O nome do arquivo carregado pelo cliente não pode ser usado diretamente como caminho de armazenamento: para evitar passagem de caminho e cobertura de nome duplicado
O arquivo enviado é chamado `../../report.pdf`, o que não significa que o servidor deva salvá-lo com este nome. O nome do arquivo vem do usuário e pertence aos dados de entrada; o caminho do disco pertence ao limite de permissão do sistema. Confundir os dois pode facilmente levar a problemas como passagem de caminho, cobertura de nomes duplicados e comportamentos diferentes entre Windows e Linux.
Só porque o arquivo enviado tem o nome ../../report.pdf não significa que o servidor deva salvá-lo com esse nome. Os desenvolvedores que escrevem funções de upload do lado do servidor, bem como as equipes que precisam lidar com arquivos de usuários e se preocupar com a passagem de caminho e a cobertura de nomes duplicados, encontrarão esse problema. Depois de ler este artigo, você será capaz de distinguir entre nomes de exibição e nomes de armazenamento, saber quais verificações devem ser feitas em cada camada e revisar sua própria implementação de acordo com os itens de aceitação.
O nome do arquivo vem do usuário e pertence aos dados de entrada; o caminho do disco pertence ao limite de permissão do sistema. Confundir os dois pode facilmente levar a problemas como passagem de caminho, cobertura de nomes duplicados e comportamentos diferentes entre Windows e Linux.
Este artigo utiliza amostras sintéticas para demonstrar o método de processamento. O código foi verificado por amostra em um ambiente isolado e não é uma garantia de todos os arquivos reais ou do desempenho do produto. Antes de processar documentos importantes, guarde os originais e revise-os de acordo com os limites e itens de aceitação do texto.
O nome do arquivo enviado pode ser usado diretamente como caminho de armazenamento? Conclusão de uma frase
Não pode ser usado diretamente. O nome de exibição é usado para exibição da interface e o caminho de armazenamento é gerado pelo servidor com base no ID interno.
| sua situação | Práticas recomendadas | razão |
|---|---|---|
| O nome do arquivo original do usuário precisa ser exibido na interface | Nome de exibição reservado apenas para exibição | Nome de exibição separado do caminho do disco para evitar cruzamento de caminho |
| Precisa salvar os arquivos enviados | O servidor gera um ID interno e une o caminho de armazenamento | Evite substituir nomes duplicados e não seja afetado pela entrada do usuário |
| A extensão do arquivo precisa participar do armazenamento | Pegue o sufixo da lista de servidores permitidos | Não copie extensões fornecidas pelos usuários |
| Precisa determinar o verdadeiro tipo do arquivo | Faça detecção e análise de conteúdo | Extensões podem ser falsificadas |
O nome de exibição e o nome de armazenamento são separados
O nome original é mantido para exibição da interface, mas a identificação interna é gerada pelo servidor. O sufixo de armazenamento também deve vir da lista de permissões do servidor, em vez de copiar a extensão fornecida pelo usuário.
O exemplo a seguir constrói apenas um caminho e não cria um diretório ou arquivo.
Construtor de caminho mínimo
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 exemplo pressupõe que o ID interno foi gerado pelo servidor. Não é uma implementação segura de arquivo de gravação para ambientes arbitrários de ataque a disco:
- Ainda pode ocorrer uma corrida entre a verificação e a abertura efetiva.
- As permissões do diretório pai e as políticas de link simbólico devem ser controladas separadamente.
- Um ID exclusivo também não significa que a política de "não substituição" possa ser ignorada.
A limpeza do nome do arquivo não é autenticação de arquivo
A limpeza de nomes de arquivos só pode resolver parte do problema, e diferentes fenômenos precisam ser tratados em diferentes níveis:
| fenômeno de entrada | Em que nível deve ser processado? | deficiências |
|---|---|---|
| Contém separador de caminho | Não usado como caminho de armazenamento | Simplesmente remover a barra não é suficiente |
| extensão PDF | Detecção e análise de conteúdo | Extensões podem ser forjadas |
| O nome de exibição contém HTML | Saída de interface escapando | Não pode ser resolvido alterando o nome do disco. |
| Mesmo nome de exibição | Isolamento interno de ID | Não deve sobrescrever o upload anterior |
📊 Comparação de Núcleos
| Método | O que pode ser resolvido? | Limitações |
|---|---|---|
| Use o nome do arquivo diretamente do usuário | A implementação é a mais simples | Podem ocorrer percorridas de caminhos e sobrescrever nomes duplicados |
| Remova apenas o separador de caminho | Parte processada da entrada | Simplesmente remover a linha diagonal não é suficiente |
| Determine o tipo com base na extensão | Diferenciação preliminar de documentos | Extensões podem ser forjadas e devem ser coordenadas com a detecção de conteúdo |
| O servidor gera IDs internos | Isolar arquivos duplicados, com caminhos controlados pelo sistema | Ainda requer cooperação com a política "No Override" e controle de permissões do diretório |
Armazenamento de objetos tem os mesmos limites
R2 ou outros objetos armazenam toda a semântica sem a travessia tradicional de diretórios, mas as chaves de objeto ainda afetam isolamento, sobrescritura e exposição de URLs.
- Não soletre diretamente a cadeia fornecida pelo inquilino em um prefixo compartilhado.
- O downloader não pode inferir autorização apenas com base em nomes-chave.
Documentos devem ter identidade antes de entrarem na tradução
Ao acessar o fluxo de trabalho OmniDoc (Entrada de Produto), os usuários podem continuar vendo nomes de arquivos familiares, internamente usando IDs de tarefa e IDs de arquivo independentes.
Identidades claras nos documentos trazem estes benefícios:
- Ao falhar e tentar novamente, pode corresponder com precisão à tarefa original.
- Download da tradução e revisão subsequente garantem que o arquivo correto seja correspondido.
- Reduz o risco de confundir o arquivo de outra pessoa com o mesmo nome do resultado atual.
🎯 Qual método combina com você?
Se precisar mostrar o nome do arquivo
O nome original do usuário é mantido, mas apenas para a interface, não para o caminho do disco.
Se precisar salvar e enviar arquivos
O servidor gera o ID interno, pega a extensão da lista de permissões e controla a cobertura e as permissões do diretório de acordo com as políticas reais.
Se você usa armazenamento de objetos
Não escreva diretamente as strings de locatário com o prefixo 'compartilhar' e tome decisões de autorização separadas ao baixar.
❓ Perguntas Frequentes (FAQ)
1. Se você remover as linhas diagonais, o nome do arquivo fica seguro?
Não o suficiente. Remover apenas as barras processa apenas parte da entrada; a construção do caminho, a sobreposição e a determinação do tipo de arquivo ainda precisam ser tratadas separadamente.
2. Se a extensão do arquivo for PDF, pode ser confirmada como PDF?
Não. Extensões podem ser forjadas, exigindo detecção de conteúdo e análise sintática.
3. O que devo fazer se o nome de exibição contiver HTML?
Escape durante a saída da interface não pode ser resolvido mudando o nome do arquivo no disco.
4. Depois de usar um ID único, ainda preciso desativar a sobrescritura?
Sim. Um ID único não significa que você pode ignorar a política de "Não Substituir".
📝 Resumo
O nome do arquivo de upload deve ser tratado separadamente do caminho de armazenamento: o nome de exibição é usado para exibição, e o caminho de armazenamento é gerado pelo servidor com base no ID interno. Trajetórias, coberturas, tipos e autorizações devem ser verificados separadamente.
Experimente agora: Envie seu documento para começar a traduzir, preservando a formatação original
Referências: Python pathlib


