El nombre del archivo cargado por el cliente no se puede utilizar directamente como ruta de almacenamiento: para evitar el cruce de rutas y la cobertura de nombres duplicados
El archivo subido se llama `../../report.pdf`, lo que no significa que el servidor deba guardarlo con este nombre. El nombre del archivo proviene del usuario y pertenece a los datos de entrada; la ruta del disco pertenece al límite de permisos del sistema. Confundir los dos puede provocar fácilmente problemas como recorrido de ruta, cobertura de nombres duplicados y comportamientos diferentes entre Windows y Linux.
El hecho de que el archivo cargado se llame ../../report.pdf no significa que el servidor deba guardarlo con ese nombre. Los desarrolladores que escriben funciones de carga del lado del servidor, así como los equipos que necesitan lidiar con archivos de usuario y preocuparse por el recorrido de rutas y la cobertura de nombres duplicados, encontrarán este problema. Después de leer este artículo, podrá distinguir entre nombres para mostrar y nombres de almacenamiento, saber qué comprobaciones se deben realizar en cada capa y revisar su propia implementación de acuerdo con los elementos de aceptación.
El nombre del archivo proviene del usuario y pertenece a los datos de entrada; la ruta del disco pertenece al límite de permisos del sistema. Confundir los dos puede provocar fácilmente problemas como recorrido de ruta, cobertura de nombres duplicados y comportamientos diferentes entre Windows y Linux.
Este artículo utiliza muestras sintéticas para demostrar el método de procesamiento. El código ha sido verificado como muestra en un entorno aislado y no es una garantía de todos los archivos reales ni del rendimiento del producto. Antes de procesar documentos importantes, conserve los originales y revíselos de acuerdo con los límites y elementos de aceptación del texto.
¿Se puede utilizar directamente el nombre del archivo cargado como ruta de almacenamiento? Conclusión de una frase
No se puede utilizar directamente. El nombre para mostrar se utiliza para la visualización de la interfaz y el servidor genera la ruta de almacenamiento en función de la ID interna.
| tu situación | Prácticas recomendadas | razón |
|---|---|---|
| El nombre del archivo original del usuario debe mostrarse en la interfaz. | Nombre para mostrar reservado solo para mostrar | Nombre para mostrar separado de la ruta del disco para evitar el cruce de rutas |
| Necesita guardar los archivos cargados | El servidor genera una identificación interna y empalma la ruta de almacenamiento. | Evite sobrescribir con nombres duplicados y no se vea afectado por la entrada del usuario. |
| La extensión del archivo debe participar en el almacenamiento. | Tomar el sufijo de la lista de servidores permitidos | No copiar extensiones proporcionadas por los usuarios. |
| Necesidad de determinar el verdadero tipo de archivo. | Realizar detección y análisis de contenido. | Las extensiones pueden ser falsificadas |
El nombre para mostrar y el nombre de almacenamiento están separados
El nombre original se conserva para la visualización de la interfaz, pero el servidor genera la identificación interna. El sufijo de almacenamiento también debe provenir de la lista de permitidos del lado del servidor, en lugar de copiar la extensión proporcionada por el usuario.
El siguiente ejemplo solo construye una ruta y no crea un directorio o archivo.
Constructor de ruta mínima
from pathlib import Path
import re
def storage_path(root, internal_id, extension):
if not re.fullmatch(r"[a-f0-9]{32}", internal_id):
raise ValueError("invalid internal id")
if extension not in {".pdf", ".docx", ".udoc"}:
raise ValueError("unsupported extension")
base = Path(root).resolve()
candidate = (base / (internal_id + extension)).resolve()
if candidate.parent != base:
raise ValueError("outside storage root")
return candidate
root = Path.cwd() / "synthetic-uploads"
identifier = "a" * 32
p = storage_path(root, identifier, ".pdf")
assert p.parent == root.resolve()
assert p.name == identifier + ".pdf"
for bad in ["../../report", "A" * 32, "a" * 31, "a" * 32 + "/x"]:
try:
storage_path(root, bad, ".pdf")
except ValueError:
pass
else:
raise AssertionError(bad)
Este ejemplo supone que el ID interno ha sido generado por el servidor. No es una implementación de escritura segura de archivos para entornos de ataques de disco arbitrarios:
- Aún así puede producirse una carrera entre el control y la apertura.
- Los permisos del directorio principal y las políticas de enlaces simbólicos deben controlarse por separado.
- Una identificación única tampoco significa que se pueda ignorar la política de "no anulación".
La desinfección de nombres de archivos no es autenticación de archivos
La limpieza de nombres de archivos solo puede resolver parte del problema y es necesario manejar diferentes fenómenos en diferentes niveles:
| fenómeno de entrada | ¿A qué nivel se debe procesar? | deficiencias |
|---|---|---|
| Contiene separador de ruta | No se utiliza como ruta de almacenamiento | Simplemente eliminar la barra no es suficiente |
| La extensión del archivo es PDF | Detección y análisis de contenido | Se pueden forjar extensiones |
| Nombre de visualización que contiene HTML | Escape de salida de interfaz | No puedes solucionarlo cambiando el nombre del disco |
| Mismo nombre de usuario | Aislamiento interno de ID | No debería anular la subida anterior |
📊 Comparación de núcleos
| Método | ¿Qué se puede resolver? | Carencias |
|---|---|---|
| Usa directamente el nombre de archivo del usuario | La implementación es la más sencilla | Puede producirse recorrido de caminos y sobrescribir nombres duplicados |
| Solo quita el separador de caminos | Parte procesada de la entrada | Simplemente eliminar la línea diagonal no es suficiente |
| Determinar el tipo en función de la extensión | Diferenciación preliminar de documentos | Se pueden forjar extensiones y deben coordinarse con la detección de contenido |
| El servidor genera IDs internos | Aislar archivos duplicados, con rutas controladas por el sistema | Sigue requiriendo cooperación con la política de "No Anulación" y control de permisos de directorio |
El almacenamiento de objetos tiene los mismos límites
R2 u otros objetos almacenan toda la semántica sin el recorrido tradicional de directorios, pero las claves de objeto siguen afectando al aislamiento, la sobreescritura y la exposición de URLs.
- No escribas directamente la cadena proporcionada por el inquilino en un prefijo compartido.
- El descargador no puede inferir la autorización únicamente en los nombres clave.
Los documentos deben tener identidad antes de entrar en traducción
Al acceder al flujo de trabajo OmniDoc (Entrada de producto), los usuarios pueden seguir viendo nombres de archivo familiares, internamente usando IDs de tarea y de archivo independientes.
Identidades claras de documentos aportan estos beneficios:
- Cuando falla y se vuelve a intentar, puede corresponder con precisión a la tarea original.
- La descarga de traducción y la posterior corrección aseguran que el archivo correcto coincida.
- Reduce el riesgo de confundir el expediente de otra persona con el mismo nombre que el resultado actual.
🎯 ¿Qué método te conviene?
Si necesitas mostrar el nombre del archivo
Se mantiene el nombre original de visualización del usuario, pero solo para la interfaz, no para la ruta del disco.
Si necesitas guardar y subir archivos
El servidor genera el ID interno, toma la extensión de la lista de permisos y controla la cobertura y los permisos de directorio según las políticas reales.
Si usas almacenamiento de objetos
No escribas directamente las cadenas de inquilino con el prefijo 'compartir' y toma decisiones de autorización separadas al descargar.
❓ Preguntas frecuentes (FAQ)
1. Si eliminas las líneas diagonales, ¿el nombre del archivo queda seguro?
No es suficiente. Eliminar solo las barras solo procesa parte de la entrada; la construcción de caminos, la sobreescritura y la determinación del tipo de archivo aún deben gestionarse por separado.
2. Si la extensión del archivo es PDF, ¿se puede confirmar como PDF?
No. Se pueden forjar extensiones, lo que requiere detección de contenido y análisis sintáctico.
3. ¿Qué debo hacer si el nombre de usuario contiene HTML?
El escape durante la salida de la interfaz no puede resolverse cambiando el nombre del archivo en el disco.
4. Después de usar un ID único, ¿todavía tengo que desactivar la sobrescritura?
Sí. Un ID único no significa que puedas ignorar la política de "No Anulación".
📝 Resumen
El nombre del archivo de subida debe gestionarse por separado de la ruta de almacenamiento: el nombre de visualización se usa para la visualización y la ruta de almacenamiento la genera el servidor en función del ID interno. Las rutas, coberturas, tipos y autorizaciones deben verificarse por separado.
Experiencia ahora: Sube tu documento para empezar a traducir, conservando el formato original
Referencias: Python pathlib


