


Comment pouvez-vous prévenir les vulnérabilités d'injection SQL dans votre code Python?
L'utilisation de requêtes paramétrées est la méthode de base pour empêcher l'injection SQL dans Python, et il est nécessaire d'éviter l'épissage direct de l'entrée utilisateur. 1. Utilisez toujours les requêtes paramétrées prises en charge par les pilotes de base de données, telles que les mécanismes d'espace réservé dans SQLite3, PSYCOPG2 et MySQL-Connector-Python; 2. Il est interdit de construire des instructions SQL via l'épissage ou le formatage des chaînes (tels que F-string, .format ()); 3. La priorité est donnée à l'utilisation de bibliothèques ORM telles que Sqlalchemy ou Django ORM, qui utilisent les requêtes paramétrées par défaut; 4. Vérification et filtrage des entrées utilisateur comme défenses supplémentaires, y compris le type, la longueur et la vérification de la liste blanche; 5. Lorsque vous traitez des noms de table ou des noms de colonne dynamiques, le mécanisme de liste blanche doit être utilisé pour s'assurer que seuls les identificateurs prédéfinis sont autorisés. Tant que vous insistez toujours sur les requêtes paramétrées et évitez d'intégrer directement l'entrée des utilisateurs dans les chaînes SQL, vous pouvez éliminer efficacement les vulnérabilités d'injection SQL.
La prévention des vulnérabilités d'injection SQL à Python se résume à un principe de base: ne faites jamais confiance à la saisie des utilisateurs lors de la création de requêtes SQL . Le moyen le plus efficace de protéger votre application consiste à éviter la concaténation ou le formatage des chaînes pour inclure les données utilisateur directement dans les instructions SQL. Voici comment faire les choses correctement.

Utiliser des requêtes paramétrées (instructions préparées)
La défense la meilleure et la plus fiable est d'utiliser des requêtes paramétrées avec des espaces réservés. Cela garantit que la saisie de l'utilisateur est traitée strictement sous forme de données, et non de code exécutable.
La plupart des bibliothèques de base de données Python prennent en charge les requêtes paramétrées. Par exemple, avec sqlite3
:

importer sqlite3 Conn = sqlite3.Connect ("Example.DB") cursor = conn.cursor () # ✅ SAFE: Utilisation de la requête paramétrée username = input ("Entrez le nom d'utilisateur:") cursor.execute ("SELECT * FROM Users Where Username =?", (nom d'utilisateur,)) # ❌ Dangereux: ne faites pas ça # cursor.execute (f "SELECT * FROM Users Where Username = '{username}'")
Avec psycopg2
(PostgreSQL):
importer psycopg2 cursor.execute ("Sélectionner * parmi les utilisateurs où e-mail =% s", (e-mail,))
Avec MySQL
utilisant mysql-connector-python
:

cursor.execute ("Sélectionner * parmi les utilisateurs où e-mail =% s", (e-mail,))
Utilisez toujours le paramétrage intégré du pilote de base de données - pas le formatage de chaîne Python comme .format()
, F-strings ou %
.
Évitez le bâtiment de requête dynamique avec entrée utilisateur
Ne créez jamais de requêtes SQL en concaténant les chaînes qui incluent des données fournies par l'utilisateur.
# ❌ Vulnérable à l'injection query = "select * chez les utilisateurs où username = '" nom d'utilisateur "'" cursor.execute (requête)
Même si vous essayez de désinfecter les entrées vous-même, vous manquerez probablement les cas Edge. Laissez le pilote de base de données le gérer via des paramètres.
Utilisez les bibliothèques ORM lorsque cela est possible
Les mappeurs d'objet-relation (ORMS) comme Sqlalchemy ou Django ORM utilisent automatiquement les requêtes paramétrées sous le capot, ce qui rend beaucoup plus difficile d'introduire l'injection SQL.
Exemple avec Sqlalchemy:
De Sqlalchemy.Orm Import Sessionmaker Session = Sessionmaker (bind = moteur) session = session () # ✅ en toute sécurité user = session.query (user) .filter (user.userName == nom d'utilisateur) .First ()
Exemple avec Django:
User.objects.filter (username = request.get ['username'])
Ces frameworks abstgent SQL brut et appliquent des pratiques sûres par défaut.
Valider et désinfecter les contributions (défense en profondeur)
Bien que les requêtes paramétrées soient la principale ligne de défense, vous devez toujours valider les types d'entrée, les longueurs, les formats et les valeurs acceptables dans la mesure du possible.
Par exemple:
- Assurez-vous qu'un ID est numérique.
- Limiter les longueurs de chaîne.
- Utilisez des listes d'autoroute pour des choses comme les directions de tri (
ASC
/DESC
) ou les noms de table / colonne s'ils doivent être dynamiques.
Mais n'oubliez pas: la validation d'entrée seule ne peut pas arrêter l'injection SQL - c'est un supplément, pas un remplacement du paramétrage.
Gérer attentivement la table ou les colonnes dynamiques
Parfois, vous devez inclure dynamiquement des noms de table ou de colonnes (qui ne peuvent pas être paramétrés). Dans de tels cas:
- Utilisez une liste d'autorisation d'identifiants autorisés.
- Ne pas transmettre directement l'entrée de l'utilisateur brut.
autorisé_columns = {'name', 'e-mail', 'créé_at'} Si la colonne n'est pas dans ALLERD_Columns: augmenter ValueError ("Nom de la colonne non valide") query = f "SELECT * FROM Users Order par {colonne}" cursor.execute (requête)
De cette façon, seules des valeurs pré-approuvées sont utilisées.
Fondamentalement, respectez les requêtes paramétrées pour toutes les données variables, utilisez ORMS lorsque vous le pouvez, et jamais intégrée par utilisateur directement dans les chaînes SQL. Ce n'est pas complexe - tout simplement cohérent.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undress AI Tool
Images de déshabillage gratuites

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

La méthode de remplissage des données Excel dans les formulaires Web à l'aide de Python est: utilisez d'abord des pandas pour lire les données Excel, puis utilisez le sélénium pour contrôler le navigateur pour remplir et soumettre automatiquement le formulaire; Les étapes spécifiques incluent l'installation de bibliothèques Pandas, OpenPyxl et Selenium, en téléchargeant le pilote de navigateur correspondant, en utilisant des pandas pour lire le nom, le courrier électronique, le téléphone et d'autres champs dans le fichier data.xlsx, le lancement du navigateur via le sélénium pour ouvrir la page Web cible, localiser les éléments de formulaire et remplir le traitement de données, en utilisant le formulaire Web pour traiter le contenu dynamique, ajouter le contenu de la charge dynamique, ajouter un traitement exception et traiter toutes les lignes de données dans une boucle.

Table des matières Qu'est-ce que l'analyse des sentiments dans le trading des crypto-monnaies? Pourquoi l'analyse des sentiments est importante dans l'investissement des crypto-monnaies sources clés de données d'émotion a. Plateforme de médias sociaux b. Médias d'information c. Outils pour l'analyse des sentiments et la technologie Utilisé couramment des outils dans l'analyse des sentiments: Techniques adoptées: intégrer l'analyse des sentiments dans les stratégies de trading comment les traders l'utilisent: Exemple de stratégie: supposer le scénario de trading BTC Réglage du scénario: Signal émotionnel: interprétation des commerçants: Décision: Résultats: Limitations et risques de l'analyse des sentiments en utilisant de plus en plus les émotions pour le commerce des crypto-oreilles. Une récente étude en 2025 de Hamid

Lors du traitement de grands ensembles de données qui dépassent la mémoire dans Python, ils ne peuvent pas être chargés en RAM en même temps. Au lieu de cela, des stratégies telles que le traitement de la chasse, le stockage du disque ou le streaming doivent être adoptées; Les fichiers CSV peuvent être lus en morceaux via les paramètres ChunkSize de Pandas et le bloc traité par bloc. La daste peut être utilisée pour réaliser la parallélisation et la planification des tâches similaires à la syntaxe Pandas pour prendre en charge les opérations de données de mémoire importantes. Écrivez les fonctions du générateur pour lire les fichiers texte ligne par ligne pour réduire l'utilisation de la mémoire. Utilisez le format de stockage en colonne de parquet combiné avec Pyarrow pour lire efficacement des colonnes ou des groupes de lignes spécifiques. Utilisez Memmap de Numpy pour mapper la mémoire de grands tableaux numériques pour accéder aux fragments de données à la demande, ou stocker des données dans des données légères telles que SQLite ou DuckDB.

Useprint () instructionSOcheckVariableValuesAndexEcutionflow, ajoutlabelsandtypesforclarity, andRemoveThembeForComting; 2.Ushepylepylebugger (pdb) withreakpoint () topauseeexecution, inspectvariables, andstepthroughcodeinteractive; 3.HandleExceptionsusin;

UsuBrimeText’sBuildSystemTorunpyThonscriptsandcatcherRorSpressingCtrl baftersettingthecorrectBuildSystemorCreatacustomone.2.InsertStrategicprint () StatementScocheckVariableValues, Types, etxExecutionflow, usingLabelSAndrepr () Forclarit

Assurez-vous que Python est installé et ajouté au chemin du système, exécutez Python - Version ou Python3 - Version Version via le terminal; 2. Enregistrez le fichier Python en tant qu'extension .py, comme Hello.py; 3. Créez un système de construction personnalisé dans sublimeText, les utilisateurs de Windows utilisent {"CMD": ["Python", "- U", "$ File"]}, les utilisateurs de macOS / Linux utilisent {"CMD": ["Python3

Pour déboguer Python Scripts, vous devez d'abord installer l'extension Python et configurer l'interprète, puis créer un fichier lancé.json pour définir la configuration de débogage, puis définir un point d'arrêt dans le code et appuyez sur F5 pour démarrer le débogage. Le script sera interrompu au point d'arrêt, permettant de vérifier les variables et l'exécution étape par étape. Enfin, en vérifiant le problème en affichant la sortie de la console, en ajoutant des journaux ou en ajustant les paramètres, etc., pour s'assurer que le processus de débogage est simple et efficace après la correction de l'environnement.

AplatinganestestListInpyThonConvertsalist avec les publistiquesIntoasingleflatlist et ThebestMethDependSonTherestDepthanddatasize.forone-levelnesting, uselistcomprehensionliny
