fix(editor): harden review API edges

tools/epub_review_editor/MAINTENANCE.md

@@ -41,8 +41,9 @@ epub_review_sessions/
 
 - text chapter: `kind: "text"`、`parts`、`row_count`、`touched_count`、`marked_count`
 - image chapter: `kind: "image"`、`images`、`parts: []`、`row_count: 0`
+- 统计字段同时保留总数和细分：`chapter_count`、`text_chapter_count`、`image_chapter_count`、`image_count`、`asset_count`
 - part 标题默认使用 `part0000` 形式，真实标题可保留在 `source_title`
-- 插图通过 `/api/asset/<entry>` 读取，必须继续使用 `extracted_path()` 防止路径穿越
+- 插图通过 `/api/asset/<entry>` 读取，必须继续使用 `extracted_path()` 防止路径穿越；只把 raster 图片纳入 `/api/structure` 与 `/api/asset` 白名单，不能任意读取解包目录文件
 
 章节来源优先级：
 
@@ -89,6 +90,7 @@ GPT 能力是可选增强，不应影响离线审校。
 - API Key 优先读取 `gpt_config.json`，也支持环境变量 `OPENAI_API_KEY`。
 - `/api/gpt/config` 不得返回 API Key。
 - 未配置 Key 时，重翻接口应返回可读错误，不影响编辑保存。
+- 重翻请求不得临时覆盖 `base_url` 或 `model` 后继续复用已保存密钥；要更换端点或模型必须先保存配置，避免把密钥发往未确认端点。
 
 单段重翻流程：
 
@@ -134,6 +136,7 @@ Prompt 硬规则：
 - `/api/structure`
 - `/api/gpt/config`
 - 首个插图 `/api/asset/...` 返回 200 且浏览器可显示
+- 非白名单或非 raster asset 不能被 `/api/asset/...` 读取
 - 目录按钮、检索按钮、隐藏侧栏、点击段落打开右侧面板
 - 阅读段落下方没有编号和“快速编辑/快速标记”
 - 未配置 API Key 时重翻返回清晰错误

tools/epub_review_editor/README.md

@@ -1,6 +1,6 @@
 # 双语 EPUB 审校编辑器
 
-当前版本：`0.4.0`
+当前版本：`0.4.1`
 
 这个工具用于把生成后的中日双语 EPUB 打开成浏览器审校界面。用户可以直接修改中文译文，也可以标记“哪里翻得不好”，并把所有记录沉淀为可交给 Codex 的反馈文件。
 
@@ -22,6 +22,8 @@
 
 `0.4.0` 新增阅读型交互与 GPT 重翻：左侧目录/检索改为按需打开的独立侧栏；阅读模式去掉每段下方操作按钮，点击段落直接打开右侧精修与重翻面板，并在面板挤开正文后恢复原阅读位置；本地可配置 OpenAI 兼容 GPT API，对单段生成重翻候选，确认后再应用到编辑框。
 
+`0.4.1` 修复后端/API 安全与结构细节：章节内插图与文字按 spine 顺序 flush，结构统计补充 text/image 细分字段；内部目录识别增加目录页/链接密度判定；结构和 `/api/asset` 仅允许已识别的 raster 图片并加 `nosniff`；重翻接口不再允许单次请求临时覆盖 Base URL 或模型后复用已保存密钥。
+
 ## 独立安装
 
 这个审校器现在可以脱离 Codex 使用，只需要 Python 和浏览器。把 `tools/epub_review_editor` 目录复制到其他电脑或服务器后，在该目录里安装依赖：
@@ -129,5 +131,5 @@ epub_review_sessions\<epub-name>_<hash>\
 
 - 当前解析规则针对本项目的“日文灰字 + 中文紧随其后”的双语 EPUB。
 - 目录用于审校导航；插图可以阅读和跳转，但当前版本不提供图片内容编辑。
-- GPT API Key 仅保存在 `--review-root` 下的本地 `gpt_config.json`，接口不会回传密钥；服务器部署时请保护好审校目录，不要把没有鉴权的服务暴露到公网。
+- GPT API Key 仅保存在 `--review-root` 下的本地 `gpt_config.json`，接口不会回传密钥；重翻时只能使用已保存的 Base URL 和模型，避免把密钥发往未确认端点。服务器部署时请保护好审校目录，不要把没有鉴权的服务暴露到公网。
 - 浏览器内保存的是审校工作副本；要生成 EPUB 文件，需要点击“导出审校 EPUB”。

tools/epub_review_editor/server.py

@@ -26,7 +26,7 @@ from pathlib import Path
 from typing import Any
 import xml.etree.ElementTree as ET
 
-from flask import Flask, jsonify, request, send_from_directory
+from flask import Flask, jsonify, make_response, request, send_from_directory
 
 try:
     from version import VERSION_RULES, version
@@ -36,7 +36,7 @@ except ImportError:
         "MINOR": "新增向后兼容能力、API 字段或可选配置",
         "MAJOR": "破坏兼容的 API、配置或行为变更",
     }
-    version = "0.4.0"
+    version = "0.4.1"
 
 
 P_RE = re.compile(r"(<p\b[^>]*>)(.*?)(</p>)", re.S | re.I)
@@ -51,6 +51,7 @@ GRAY_RE = re.compile(
 )
 EXTERNAL_URI_RE = re.compile(r"^(?:[a-z][a-z0-9+.-]*:|//)", re.I)
 IMAGE_EXTENSIONS = {".apng", ".avif", ".bmp", ".gif", ".jpeg", ".jpg", ".png", ".svg", ".webp"}
+RASTER_IMAGE_EXTENSIONS = {".apng", ".avif", ".bmp", ".gif", ".jpeg", ".jpg", ".png", ".webp"}
 
 DEFAULT_REVIEW_ROOT = "epub_review_sessions"
 STATE_VERSION = 1
@@ -754,6 +755,11 @@ def is_image_asset(entry_name: str) -> bool:
     return suffix in IMAGE_EXTENSIONS
 
 
+def is_raster_image_asset(entry_name: str) -> bool:
+    suffix = posixpath.splitext(entry_name.split("?", 1)[0])[1].lower()
+    return suffix in RASTER_IMAGE_EXTENSIONS
+
+
 def asset_url(entry_name: str) -> str:
     return f"/api/asset/{urllib.parse.quote(entry_name, safe='/')}"
 
@@ -770,7 +776,7 @@ def extract_images_from_html(session_root: Path, entry_name: str) -> list[dict[s
         if not href or EXTERNAL_URI_RE.match(href):
             continue
         image_entry = normalize_href(entry_dir(entry_name), href)
-        if not image_entry or not is_image_asset(image_entry):
+        if not image_entry or not is_raster_image_asset(image_entry):
             continue
         images.append(
             {
@@ -786,22 +792,38 @@ def extract_images_from_html(session_root: Path, entry_name: str) -> list[dict[s
     return images
 
 
+def collect_asset_paths_from_structure(structure: dict[str, Any]) -> set[str]:
+    paths: set[str] = set()
+    for chapter in structure.get("chapters", []):
+        for image in chapter.get("images", []):
+            asset_path = image.get("asset_path", "")
+            if asset_path:
+                paths.add(asset_path)
+    return paths
+
+
 def nav_target_key(base_dir: str, href: str) -> tuple[str, str]:
     path, fragment = normalize_href_with_fragment(base_dir, href)
     return path, fragment
 
 
 def parse_internal_toc(session_root: Path) -> list[dict[str, Any]]:
-    items: list[dict[str, Any]] = []
-    for entry_name in html_entries_in_reading_order(session_root):
+    ordered_files = html_entries_in_reading_order(session_root)
+    ordered_set = set(ordered_files)
+    for entry_name in ordered_files:
         path = extracted_path(session_root, entry_name)
         if not path.exists():
             continue
         text = path.read_text(encoding="utf-8", errors="replace")
         if not re.search(r"<a\b[^>]*href=", text, flags=re.I):
             continue
+        basename = posixpath.basename(entry_name).lower()
+        heading = extract_heading_from_html(text)
+        is_toc_like_name = basename in {"nav.xhtml", "toc.xhtml", "toc.html", "toc.htm"} or "toc" in basename
+        is_toc_like_title = bool(re.search(r"(目录|目次|contents?)", heading, flags=re.I))
         matches = list(P_RE.finditer(text))
         base_dir = entry_dir(entry_name)
+        candidate_items: list[dict[str, Any]] = []
         i = 0
         while i < len(matches):
             source_inner = matches[i].group(2)
@@ -813,6 +835,9 @@ def parse_internal_toc(session_root: Path) -> list[dict[str, Any]]:
             if not target_file:
                 i += 1
                 continue
+            if target_file not in ordered_set:
+                i += 1
+                continue
             source_title = compact_text(strip_tags(link_match.group(2))) or compact_text(strip_tags(source_inner))
             title = source_title
             if i + 1 < len(matches):
@@ -823,7 +848,7 @@ def parse_internal_toc(session_root: Path) -> list[dict[str, Any]]:
                         title = next_title
                         i += 1
             if title:
-                items.append(
+                candidate_items.append(
                     {
                         "title": title,
                         "href": target_file,
@@ -833,8 +858,11 @@ def parse_internal_toc(session_root: Path) -> list[dict[str, Any]]:
                     }
                 )
             i += 1
-        if items:
-            return items
+        if candidate_items:
+            internal_targets = sum(1 for item in candidate_items if item["href"] in ordered_set and item["href"] != entry_name)
+            link_density = internal_targets / max(1, len(matches))
+            if is_toc_like_name or is_toc_like_title or (len(candidate_items) >= 4 and link_density >= 0.35):
+                return candidate_items
     return []
 
 
@@ -974,7 +1002,7 @@ def build_structure(session_root: Path) -> dict[str, Any]:
 
     for entry_name in ordered_files:
         heading = read_body_heading(session_root, entry_name)
-        if heading and entry_name not in start_titles:
+        if heading and entry_name not in start_titles and len(strip_tags(heading)) <= 80:
             start_titles[entry_name] = heading
 
     if start_titles:
@@ -1119,17 +1147,26 @@ def build_structure(session_root: Path) -> dict[str, Any]:
         nonlocal chapter_serial
         text_parts: list[dict[str, Any]] = []
         text_title = title
+
+        def flush_text_parts() -> None:
+            nonlocal chapter_serial, text_parts, text_title
+            if not text_parts:
+                return
+            chapter_serial += 1
+            chapters.append(chapter_from_parts(f"C{chapter_serial:04d}", text_title or text_parts[0]["source_title"] or text_parts[0]["title"], text_parts))
+            text_parts = []
+            text_title = ""
+
         for file_index, entry_name in enumerate(files):
             if entry_name in image_by_file:
+                flush_text_parts()
                 images = image_by_file.get(entry_name, [])
                 for image_index, image in enumerate(images, start=1):
                     image_title = title if file_index == 0 and not text_parts else ""
                     chapters.append(make_image_chapter(entry_name, image, image_title, image_index, len(images)))
             elif entry_name in rows_by_file:
                 text_parts.append(make_part(entry_name))
-        if text_parts:
-            chapter_serial += 1
-            chapters.append(chapter_from_parts(f"C{chapter_serial:04d}", text_title or text_parts[0]["source_title"] or text_parts[0]["title"], text_parts))
+        flush_text_parts()
 
     for spec in chapter_specs:
         node_files = [entry_name for entry_name in spec.get("files", []) if entry_name not in assigned_files]
@@ -1177,8 +1214,11 @@ def build_structure(session_root: Path) -> dict[str, Any]:
     return {
         "chapters": chapters,
         "chapter_count": len(chapters),
+        "text_chapter_count": sum(1 for chapter in chapters if chapter.get("kind") != "image"),
+        "image_chapter_count": sum(1 for chapter in chapters if chapter.get("kind") == "image"),
         "part_count": sum(len(chapter["parts"]) for chapter in chapters),
         "image_count": sum(len(chapter.get("images", [])) for chapter in chapters),
+        "asset_count": len(collect_asset_paths_from_structure({"chapters": chapters})),
         "row_count": len(rows),
     }
 
@@ -1563,13 +1603,21 @@ def create_app(review_root: Path, initial_epub_path: Path | None = None, reset:
         if session_root is None:
             return no_active_response()
         entry_name = urllib.parse.unquote(entry_name)
+        structure = build_structure(session_root)
+        if entry_name not in collect_asset_paths_from_structure(structure):
+            return jsonify({"error": "asset not allowed"}), 404
+        if not is_raster_image_asset(entry_name):
+            return jsonify({"error": "asset type not allowed"}), 415
         try:
             path = extracted_path(session_root, entry_name)
         except ValueError as exc:
             return jsonify({"error": str(exc)}), 400
         if not path.exists() or not path.is_file():
             return jsonify({"error": "asset not found"}), 404
-        return send_from_directory(path.parent, path.name)
+        response = make_response(send_from_directory(path.parent, path.name))
+        response.headers["X-Content-Type-Options"] = "nosniff"
+        response.headers["Content-Security-Policy"] = "default-src 'none'; img-src 'self' data:; style-src 'none'; script-src 'none'; object-src 'none'"
+        return response
 
     @app.route("/api/gpt/config", methods=["GET", "POST"])
     def api_gpt_config():
@@ -1593,10 +1641,12 @@ def create_app(review_root: Path, initial_epub_path: Path | None = None, reset:
         data = request.get_json(silent=True) or {}
         try:
             config = read_gpt_config(review_root)
-            if data.get("base_url"):
-                config["base_url"] = normalize_gpt_base_url(str(data.get("base_url")))
-            if data.get("model"):
-                config["model"] = str(data.get("model")).strip()
+            requested_base_url = str(data.get("base_url") or "").strip()
+            requested_model = str(data.get("model") or "").strip()
+            if requested_base_url and normalize_gpt_base_url(requested_base_url) != config["base_url"]:
+                return jsonify({"error": "重翻请求不能临时覆盖 Base URL。请先保存 API 设置，避免把已保存密钥发往未确认端点。"}), 400
+            if requested_model and requested_model != config["model"]:
+                return jsonify({"error": "重翻请求不能临时覆盖模型。请先保存 API 设置后再重翻。"}), 400
             instruction = str(data.get("instruction") or "")
             raw = call_openai_compatible_chat(config, build_retranslate_messages(row, instruction))
             candidate_html = sanitize_cn_html(raw)

tools/epub_review_editor/static/app.js

@@ -1199,8 +1199,6 @@ async function retranslateCurrentRow() {
       method: "POST",
       body: JSON.stringify({
         instruction: dom.gptInstructionInput.value,
-        base_url: dom.gptBaseUrlInput.value,
-        model: dom.gptModelInput.value,
       }),
     });
     gptCandidateHtml = data.candidate_html || "";

tools/epub_review_editor/static/index.html

@@ -9,7 +9,7 @@
 <body>
   <header class="topbar">
     <div class="brandBlock">
-      <h1>双语 EPUB 审校编辑器 <span id="appVersion" class="versionBadge">v0.4.0</span></h1>
+      <h1>双语 EPUB 审校编辑器 <span id="appVersion" class="versionBadge">v0.4.1</span></h1>
       <p id="sessionMeta">正在载入……</p>
     </div>
     <div class="modeTabs" role="tablist" aria-label="审校模式">

tools/epub_review_editor/version.py

@@ -1,4 +1,4 @@
-version = "0.4.0"
+version = "0.4.1"
 
 VERSION_RULES = {
     "PATCH": "修复 bug 或兼容性小修",