如何重写PyPI镜像代理函数以消除GitHub CodeQL的SSRF告警

我明白你遇到的麻烦了——GitHub CodeQL的SSRF告警确实有点严格，但只要我们把输入验证和URL防护做扎实，就能搞定它。问题的核心在于：你当前的代码直接使用用户可控的package参数拼接请求URL，没有足够的校验来确保这个参数不会被用来构造恶意请求（比如路径遍历、跳转到内部服务等）。

下面是经过优化的代码，每一步都针对CodeQL的SSRF检查点做了防护：

import requests
import re
from urllib.parse import urlparse
from fastapi import APIRouter, Response, HTTPException

pypi = APIRouter(prefix="/pypi", tags=["bootstrap"])

# 严格匹配PyPI合法包名的正则：仅允许小写字母、数字、连字符、下划线
VALID_PACKAGE_NAME = re.compile(r"^[a-z0-9_\-]+$")
# 允许请求的目标域名
ALLOWED_DOMAIN = "pypi.org"

@pypi.get("/{package}/", response_class=Response)
def get_pypi_package_downloads_list(package: str) -> Response:
    # 第一步：验证包名格式是否合法
    if not VALID_PACKAGE_NAME.match(package):
        raise HTTPException(status_code=400, detail="Invalid package name format")
    
    # 第二步：安全构造目标URL，避免路径遍历风险
    base_url = "https://pypi.org/simple/"
    target_url = f"{base_url}{package}/"
    
    # 第三步：解析并验证目标URL的域名
    parsed_url = urlparse(target_url)
    if parsed_url.netloc != ALLOWED_DOMAIN or parsed_url.scheme != "https":
        raise HTTPException(status_code=403, detail="Unauthorized target URL")
    
    try:
        # 第四步：发起请求时限制重定向，防止被跳转到恶意站点
        response = requests.get(
            target_url,
            allow_redirects=False,  # 禁止重定向，或者自定义重定向钩子只允许PyPI域名
            timeout=10
        )
        # 直接返回PyPI的响应内容和状态码
        return Response(content=response.content, status_code=response.status_code, media_type=response.headers.get("Content-Type"))
    except requests.exceptions.RequestException as e:
        raise HTTPException(status_code=500, detail=f"Failed to fetch package data: {str(e)}")

关键防护点解释： #

• 包名格式校验：用正则严格限制package参数的字符范围，直接阻断包含路径分隔符（/、../）或其他恶意字符的输入，这是最基础的输入验证。
• URL合法性验证：解析构造后的URL，强制校验域名必须是pypi.org且协议为HTTPS，彻底杜绝请求被转向其他站点的可能。
• 限制重定向：禁用自动重定向（或者你也可以自定义重定向回调，只允许跳转到PyPI的域名），防止攻击者通过PyPI的重定向规则诱导请求到恶意地址。
• 异常处理：添加请求异常捕获，避免错误信息泄露，同时保证服务稳定性。

这些措施完全覆盖了CodeQL对SSRF防护的要求：既验证了用户输入的合法性，又确保最终请求的目标是可信的，没有被篡改的空间。

备注：内容来源于stack exchange，提问作者TheEponymousProgrammer