GHSA-Q87H-C5M7-659J
Inscriptis: crecimiento cuadrático de memoria por elementos <table> hermanos en get_text()
Ciclo de vida de la vulnerabilidad
| Fecha | Fase | Evento | Detalle |
|---|---|---|---|
| Divulgación | Publicada | GHSA-Q87H-C5M7-659J divulgada | |
| Divulgación | Modificada | Última actualización del registro | |
| Monitoreo | Detectada | Ingresó al índice | |
| Monitoreo | Verificada | Última verificación contra las fuentes |
Resumen
Cada `<table>` hermana agrega otro nivel de la sangría del elemento padre, por lo que el tamaño de la salida de `get_text()` crece de forma cuadrática con la cantidad de tablas. En las mediciones siguientes, un documento HTML de 240 KB produce alrededor de mil millones de caracteres y utiliza cerca de 1 GB de memoria.
Detalles
`table_end_handler()` (`model/tag/table_tag.py`) escribe la tabla renderizada en el elemento padre con `HtmlElement.write_verbatim_text()` (`model/html_element.py`). Para un padre de nivel de bloque, `write_verbatim_text()` llama a `canvas.open_block()`, que inserta el `padding_inline` del padre en la pila de prefijos. El `close_block()` posterior nunca lo retira; solo `Canvas.close_tag()` llama a `prefix.remove_last_prefix()`. Por tanto, cada tabla deja una entrada de relleno adicional en la pila.
Esto está presente desde la versión 2.0 (commit 84ec720).
>>> get_text('<ul>' + '<table><tr><td>a</td></tr></table>' * 4 + '</ul>')
' a\n \n a\n \n a\n \n a\n 'PoC
import sys, time, resource
from inscriptis import get_text
n = int(sys.argv[1])
html = "<ul>" + "<table></table>" * n + "</ul>"
t = time.time(); out = get_text(html)
print(len(html), f"{time.time()-t:.2f}s", len(out), resource.getrusage(resource.RUSAGE_SELF).ru_maxrss // 2**20, "MiB")inscriptis 2.7.5, Python 3.11, macOS (la versión 2.0.0 se comporta igual):
| tablas | HTML | tiempo | caracteres de salida | RSS máximo |
|---|---|---|---|---|
| 1,000 | 15 KB | 0.02 s | 4.0 M | 31 MiB |
| 4,000 | 60 KB | 0.33 s | 64 M | 154 MiB |
| 8,000 | 120 KB | 1.31 s | 256 M | 463 MiB |
| 16,000 | 240 KB | 5.63 s | 1,024 M | 991 MiB |
Cuando la entrada se duplica, el tamaño de la salida y la memoria crecen aproximadamente 4 veces.
Impacto
Cualquier aplicación que convierta HTML no confiable con inscriptis puede ser forzada a agotar la memoria con un documento pequeño. Esto incluye rastreadores, pipelines de ingesta para RAG y LLM, e `inscriptis-api`. No se requiere autenticación ni interacción del usuario.
Solución
self.canvas.write(self, text, whitespace=WhiteSpace.pre)
if self.display == Display.block:
+ self.canvas.current_block.prefix.remove_last_prefix()
self.canvas.close_block(self)Con este cambio, la entrada de 240 KB descrita arriba produce 288 K caracteres en 0.14 s con 27 MiB de RSS máximo. Una sola tabla se renderiza exactamente igual que antes, y la suite de pruebas existente pasa.
Incluye detalles técnicos publicados por el investigador. Úselos solo para validar y corregir sus propios sistemas.
Rangos afectados
Estado del parche por paquete
| Paquete / producto | Estado | Corregida en | Desde divulgación | Última versión |
|---|---|---|---|---|
PyPIinscriptis |
Corregida | 2.7.6 | — | — |
2.7.6Arsenal público
Sin exploits, módulos ni PoC públicos conocidos a la fecha de verificación.
https://nvd.nist.gov/vuln/detail/CVE-2026-132277https://github.com/weblyzard/inscriptis/security/advisories/GHSA-q87h-c5m7-659jhttps://github.com/weblyzard/inscriptis/commit/dc122894cd671a0227f8fdad60464acddaf40fc8https://github.com/weblyzard/inscriptishttps://github.com/weblyzard/inscriptis/releases/tag/2.7.6Las referencias externas se muestran para copiar: cve.llama.ec no lo redirige a otros sitios.
