Webaff

公開 文責 Webaff 編集部

記事タイトルの閉じタグでJSON-LDが壊れた件を再現した

  • Astro
  • セキュリティ

構造化データ(JSON-LD)を <script type="application/ld+json"> に埋めるとき、JSON.stringify の結果をそのまま入れていました。記事タイトルに閉じタグの文字列 </script> が入ると、JSON の途中で script が終わってしまいます。このブログで、修正前のコミットと現在の出力を実際にビルドして比べた記録です。

何が問題になるのか

HTML のパーサーは、<script> の中身を JSON として読む前に、まず文字列として </script を探します。JSON の文字列の中にあっても関係ありません。つまり次のようなタイトルがあると、構造化データはそこで切れます。

テスト</script><img src=x onerror=alert(1)>

切れた後ろの <img ...> は、ただの HTML として解釈されます。HTML 仕様の script 要素の説明にも、スクリプトのデータ内に </script が現れてはならず、\x3C/script のようにエスケープする、という趣旨の記述があります(WHATWG HTML Standard の scripting の節)。

修正前の実装

src/components/SEO.tsx は、構造化データのオブジェクトを文字列にして、そのまま dangerouslySetInnerHTML に渡していました。

// 修正前
<script
  type="application/ld+json"
  dangerouslySetInnerHTML={{ __html: JSON.stringify(jsonLd) }}
/>

JSON.stringify は < や > をエスケープしません。JSON としては正しい出力でも、HTML の中に置く文字列としては不十分です。

修正前後のビルドを比べた

修正前のコミット(12fd3e0)と現在の main を別々にビルドしました。どちらにも、上のタイトルを持つテスト記事を1本だけ追加しています。出力した HTML をブラウザの DOMParser で読み、結果を数えました。実際に記事ページを開いたのではなく、スクリプトを実行しない DOMParser を使っています。

確認項目 修正前 修正後
onerror を持つ img 要素の数 2 0
JSON-LD を JSON.parse できるか 失敗 成功
構造化データの headline 取り出せない テスト記事のタイトルどおり

修正前は、構造化データが壊れるだけでなく、タイトルの後ろにある HTML が要素として現れました。修正後は要素にならず、headline にも元の文字列が戻っています。

直し方: 危険な文字を \uXXXX にする

<・>・& と、改行扱いになりうる U+2028・U+2029 を、JSON のエスケープ表記 \uXXXX に置き換える関数を用意しました。

// src/components/SEO.tsx
function serializeJsonLd(data: unknown): string {
  return JSON.stringify(data)
    .replace(/</g, '\\u003c')
    .replace(/>/g, '\\u003e')
    .replace(/&/g, '\\u0026')
    .replace(/\u2028/g, '\\u2028')
    .replace(/\u2029/g, '\\u2029');
}

JSON の文字列の中で < は < と同じ意味なので、JSON.parse した結果は変わりません。検索エンジンが読む値はそのままで、HTML のパーサーからは </script が見えなくなります。

閉じタグだけを置き換える方法もある

</script の部分だけを <\/script に置き換える方法もあります。JSON の文字列の中では \/ が / と同じ意味になるため、こちらでも値は変わりません。当サイトでは、< を丸ごと置き換える方を選びました。<!-- のような他の並びも、まとめて見えなくできるからです。どちらが優れているかを比べて決めたわけではなく、当サイトでの好みの判断です。なお、この関数は今後ほかの構造化データを足したときにも通る共通の入口になります。呼び出し側がエスケープを意識しなくて済む点も理由です。

確認できていないこと

  • onerror が実際に実行されるところまでは試していません。DOMParser で要素ができることを確認したにとどまります
  • 今回の再現は、タイトルをこちらで書き換えたテスト記事です。いまの記事のタイトルは運営者が書いているので、外部の人が任意の文字列を入れられる状態ではありません。実害が出た事例は確認していません
  • 出力にはまだ生の </script> が残っています。ただし og:title や twitter:title の引用符で囲まれた属性値の中だけで、要素としては扱われないことを確認しています
  • Google の構造化データのドキュメントには、このエスケープに関する案内を見つけられませんでした。Google が < をどう扱うかは公式には確認していません。リッチリザルトテストでの検証もしていません

ヘッダ側の対策は、AstroのSSRページにnetlify.tomlのヘッダが付かなかったに書いています。そちらの記事で触れたとおり、当サイトの CSP には script-src がありません。入力側のエスケープと、ヘッダ側の防御は別々の層です。

関連記事