Как безопасно загружать и конвертировать ненадежный HTML в Python – Песочница

Почему важна песочница – Sandboxing

При работе с внешним HTML-контентом всегда существует риск непредсказуемого поведения скриптов или медиа-элементов на странице. Aspose.HTML for Python via .NET предоставляет механизм песочницы, который позволяет контролировать, какие элементы документа могут выполняться или загружаться во время обработки. Это обеспечивает безопасный, предсказуемый и эффективный рендеринг и конвертацию HTML.

Большинство сценариев обработки HTML, таких как конвертация HTML в PDF или изображения, не требуют выполнения JavaScript или использования удаленного контента. Разрешение доступа к таким ресурсам может замедлить процесс или даже вызвать нежелательное поведение. Используя флаги песочницы, вы можете явно отключить или ограничить типы ресурсов, такие как скрипты, изображения, плагины, формы и т.д. Это дает вам детальный контроль над тем, что ваш документ может делать во время рендеринга или конвертации.

Блокировка выполнения JavaScript

Следующий пример показывает, как отключить JavaScript при конвертации HTML в PDF. Это гарантирует, что никакие скрипты не будут выполняться во время рендеринга – идеально для безопасных конвертаций в PDF или другие форматы.

1. Инициализируйте экземпляр класса Configuration.
2. Установите sandbox flag экземпляра конфигурации, чтобы включить значение Sandbox.SCRIPTS. Это помечает скрипты как ненадежные ресурсы в среде песочницы. Этот шаг важен, поскольку скрипты представляют потенциальный риск выполнения вредоносного кода.
3. Создайте экземпляр класса HTMLDocument с помощью конструктора HTMLDocument(address, configuration), который принимает путь к HTML-файлу и экземпляр конфигурации.
4. Вызовите метод Converter.convert_html() для конвертации HTML в PDF.

# Disable JavaScript when converting HTML to PDF in Python

import os
import aspose.html as ah
import aspose.html.converters as conv
import aspose.html.saving as sav

# Prepare input and output paths
data_dir = "data"
output_dir = "output"
os.makedirs(output_dir, exist_ok=True)
html_path = os.path.join(data_dir, "document-with-scripts.html")
output_pdf = os.path.join(output_dir, "document-sandbox.pdf")

# Block scripts and convert HTML to PDF
with ah.Configuration() as config:
    config.security |= ah.Sandbox.SCRIPTS

    with ah.HTMLDocument(html_path, config) as doc:
        conv.Converter.convert_html(doc, sav.PdfSaveOptions(), output_pdf)

Результат: Любой JavaScript внутри HTML-документа будет проигнорирован, создавая статический и безопасный вывод.

Блокировка ненадежных изображений

Выполните эти простые шаги, чтобы отключить загрузку изображений и безопасно конвертировать HTML в PDF с помощью Aspose.HTML for Python via .NET:

1. Подготовьте HTML-код и сохраните его в файл. HTML-код содержит элемент <span> со встроенным стилем, который устанавливает фоновое изображение из URL.
2. Создайте экземпляр конфигурации. Для этого инициализируйте класс Configuration, чтобы определить пользовательские настройки безопасности для вашего HTML-документа.
3. Установите флаг Sandbox.IMAGES в конфигурации, чтобы пометить все изображения как ненадежные ресурсы.
4. Инициализируйте HTML-документ. Загрузите сохраненный HTML-файл с использованием пользовательской конфигурации. Ограничения песочницы автоматически применятся во время загрузки.
5. Используйте метод Converter.convert_html() для рендеринга документа и сохранения его как PDF-файла.

# Block external images when converting HTML to PDF in Python

import os
import aspose.html as ah
import aspose.html.converters as conv
import aspose.html.saving as sav

# Prepare output paths
output_dir = "output"
os.makedirs(output_dir, exist_ok=True)
html_path = os.path.join(output_dir, "sandboxing.html")
output_pdf = os.path.join(output_dir, "sandboxing-out.pdf")

# Define HTML that references an external image
code = (
    "<span style=\"background-image:url('https://docs.aspose.com/html/images/work/lioness.jpg')\">"
    "Hello, World!!</span> <script>document.write('Have a nice day!');</script>"
)

# Save the source HTML file
with open(html_path, "w", encoding="utf-8") as file:
    file.write(code)

# Block image loading and convert HTML to PDF
with ah.Configuration() as configuration:
    configuration.security |= ah.Sandbox.IMAGES

    with ah.HTMLDocument(html_path, configuration) as document:
        conv.Converter.convert_html(document, sav.PdfSaveOptions(), output_pdf)

Результат: Изображения из внешних URL не будут загружены, и выходной PDF будет содержать только статический текстовый контент.

Часто задаваемые вопросы

1. Какие опции песочницы доступны?

Aspose.HTML предоставляет несколько sandbox flags, которые вы можете комбинировать, например:

• Sandbox.SCRIPTS – Отключает выполнение JavaScript.
• Sandbox.IMAGES – Блокирует загрузку внешних изображений.
• Sandbox.NAVIGATION – Предотвращает редиректы или попытки навигации.
• Sandbox.FORMS – Отключает отправку форм и связанную активность.
• Sandbox.PLUGINS – Предотвращает создание плагинов контентом.

2. Как песочница улучшает производительность?

Пропуская выполнение скриптов и предотвращая сетевые запросы для внешних ресурсов, песочница значительно сокращает время обработки и использование ресурсов во время конвертации.

3. Как я могу комбинировать несколько ограничений песочницы?

Вы можете включить несколько ограничений одновременно, например:

configuration.security |= ah.Sandbox.SCRIPTS | ah.Sandbox.IMAGES

Эта строка отключает как выполнение JavaScript, так и загрузку изображений в одной конфигурации.

4. Доступна ли песочница для других языков?

Да. Та же функциональность доступна в Aspose.HTML for .NET и Aspose.HTML for Java, с похожими API для управления ограничениями песочницы.

5. Каковы распространенные случаи использования песочницы?

• Конвертация HTML-писем или веб-страниц из внешних источников;
• Обработка собранных веб-данных без выполнения активного контента;
• Запуск конвертаций в безопасных или офлайн-средах;
• Необходимость улучшить производительность конвертации, пропуская динамические ресурсы.

Вы можете скачать полные примеры и файлы данных с GitHub.