feat: add sanitize_plaintext for XMPP text sanitization (M10-U3)

Add sanitize_plaintext(text: str) -> str to utils/text.py for preparing
XMPP plain-text message bodies from untrusted Pronote/AI content.

- Strips HTML tags via BeautifulSoup (html.parser)
- Strips C0, DEL, and C1 control characters (preserves \t, \n, \r)
- Preserves Unicode including emojis (📌📅📚💬📢)
- Idempotent: f(f(x)) == f(x)
- Addresses SEC-XMPP-06: XMPP injection hardening

37 unit tests covering HTML, entities, control chars, emojis, idempotence.

Co-authored-by: opencode/test-engineer <test-engineer@agents.invalid>
Co-authored-by: opencode/coder <coder@agents.invalid>

pronote_sync/utils/text.py

@@ -10,7 +10,9 @@ from __future__ import annotations
 import re
 import unicodedata
 
-__all__ = ["normalize_subject"]
+from bs4 import BeautifulSoup
+
+__all__ = ["normalize_subject", "sanitize_plaintext"]
 
 
 def normalize_subject(subject: str) -> str:
@@ -30,3 +32,29 @@ def normalize_subject(subject: str) -> str:
     normalized = re.sub(r"[^\w\s]", "", normalized)
     normalized = re.sub(r"\s+", " ", normalized).strip()
     return normalized.lower()
+
+
+# Pattern des caractères de contrôle ASCII non imprimables (à l'exception
+# des tabulations ``\\t``, des sauts de ligne ``\\n`` et des retours chariot ``\\r``).
+_CONTROL_CHARS_RE = re.compile(r"[\x00-\x08\x0b\x0c\x0e-\x1f\x7f-\x9f]")
+
+
+def sanitize_plaintext(text: str) -> str:
+    """Prépare un texte pour le corps de message XMPP en texte brut.
+
+    Supprime les balises HTML (via ``BeautifulSoup`` avec le parseur
+    ``html.parser``) puis les caractères de contrôle ASCII non imprimables,
+    à l'exception des tabulations (``\\t``), des sauts de ligne (``\\n``) et
+    des retours chariot (``\\r``). Les caractères Unicode au-delà de ``\\x1f``,
+    notamment les emojis, sont conservés. La transformation est idempotente :
+    appliquée deux fois, elle produit le même résultat qu'appliquée une seule
+    fois. Une chaîne vide donne une chaîne vide.
+
+    :param text: Le texte brut ou HTML à assainir.
+    :return: Le texte assaini, sans balises HTML ni caractères de contrôle.
+    :rtype: str
+    """
+    # Étape 1 : suppression des balises HTML.
+    plain = BeautifulSoup(text, "html.parser").get_text()
+    # Étape 2 : suppression des caractères de contrôle.
+    return _CONTROL_CHARS_RE.sub("", plain)

tests/unit/test_text_sanitize.py

@@ -0,0 +1,197 @@
+"""Tests unitaires pour la fonction sanitize_plaintext dans pronote_sync.utils.text.
+
+Ce module valide le comportement de sanitize_plaintext qui prépare du texte
+pour les corps de message XMPP en appliquant plusieurs transformations :
+- Suppression des balises HTML (via beautifulsoup4)
+- Suppression des caractères de contrôle ASCII non imprimables
+- Préservation des emojis autorisés
+- Idempotence de la fonction
+"""
+
+import pytest
+
+from pronote_sync.utils.text import sanitize_plaintext
+
+
+class TestSanitizePlaintext:
+    """Tests de la fonction sanitize_plaintext."""
+
+    def test_empty_string_returns_empty(self) -> None:
+        """Test que la chaîne vide retourne une chaîne vide.
+
+        :return: None
+        """
+        assert sanitize_plaintext("") == ""
+
+    def test_plain_text_unchanged(self) -> None:
+        """Test qu'un texte simple sans balises ni caractères spéciaux reste inchangé.
+
+        :return: None
+        """
+        assert sanitize_plaintext("Hello world") == "Hello world"
+
+    def test_html_tags_stripped(self) -> None:
+        """Test que les balises HTML simples sont supprimées.
+
+        :return: None
+        """
+        assert sanitize_plaintext("<b>Hello</b> world") == "Hello world"
+
+    def test_nested_html_stripped(self) -> None:
+        """Test que les balises HTML imbriquées sont supprimées.
+
+        :return: None
+        """
+        assert sanitize_plaintext("<div><p>Nested</p></div>") == "Nested"
+
+    def test_html_entities_decoded(self) -> None:
+        """Test que les entités HTML sont décodées.
+
+        La fonction doit décoder les entités HTML comme &amp; en &.
+        Si beautifulsoup4 décode les entités, le résultat attendu est "&".
+
+        :return: None
+        """
+        result = sanitize_plaintext("&amp;")
+        # beautifulsoup4 décode les entités par défaut, donc &amp; devient &
+        assert result == "&"
+
+    @pytest.mark.parametrize(
+        "input_text,expected",
+        [
+            ("Hello\x00\x01\x02world", "Helloworld"),
+            ("Hello\x03world", "Helloworld"),
+            ("Hello\x04world", "Helloworld"),
+            ("Hello\x05world", "Helloworld"),
+            ("Hello\x06world", "Helloworld"),
+            ("Hello\x07world", "Helloworld"),
+            ("Hello\x08world", "Helloworld"),
+            ("Hello\x0e\x0fworld", "Helloworld"),
+            ("Hello\x10\x11\x12world", "Helloworld"),
+            ("Hello\x13\x14\x15\x16\x17world", "Helloworld"),
+            ("Hello\x18\x19\x1a\x1b\x1c\x1d\x1e\x1fworld", "Helloworld"),
+        ],
+    )
+    def test_control_chars_stripped(self, input_text: str, expected: str) -> None:
+        """Test que les caractères de contrôle ASCII non imprimables sont supprimés.
+
+        Les caractères à supprimer sont : \x00-\x08, \x0b, \x0c, \x0e-\x1f
+        Les caractères à préserver sont : \t, \n, \r
+
+        :param input_text: Texte avec caractères de contrôle
+        :param expected: Texte attendu après nettoyage
+        :return: None
+        """
+        assert sanitize_plaintext(input_text) == expected
+
+    def test_tab_preserved(self) -> None:
+        """Test que la tabulation est préservée.
+
+        :return: None
+        """
+        assert sanitize_plaintext("Hello\tworld") == "Hello\tworld"
+
+    def test_newline_preserved(self) -> None:
+        """Test que le saut de ligne est préservé.
+
+        :return: None
+        """
+        assert sanitize_plaintext("Hello\nworld") == "Hello\nworld"
+
+    def test_carriage_return_preserved(self) -> None:
+        """Test que le retour chariot est préservé.
+
+        :return: None
+        """
+        assert sanitize_plaintext("Hello\rworld") == "Hello\rworld"
+
+    def test_vertical_tab_stripped(self) -> None:
+        """Test que la tabulation verticale est supprimée.
+
+        :return: None
+        """
+        assert sanitize_plaintext("Hello\x0bworld") == "Helloworld"
+
+    def test_form_feed_stripped(self) -> None:
+        """Test que le saut de page est supprimé.
+
+        :return: None
+        """
+        assert sanitize_plaintext("Hello\x0cworld") == "Helloworld"
+
+    def test_emojis_preserved(self) -> None:
+        """Test que les emojis autorisés sont préservés.
+
+        :return: None
+        """
+        assert sanitize_plaintext("📌📅📚💬📢") == "📌📅📚💬📢"
+
+    def test_emoji_with_text(self) -> None:
+        """Test qu'un emoji combiné avec du texte est préservé.
+
+        :return: None
+        """
+        assert sanitize_plaintext("📌 Devoir: Math") == "📌 Devoir: Math"
+
+    @pytest.mark.parametrize(
+        "test_input",
+        [
+            "",
+            "Hello world",
+            "<b>Hello</b>",
+            "Hello\x00world",
+            "📌📅",
+            "&amp;",
+            "<div>Test</div>",
+        ],
+    )
+    def test_idempotent(self, test_input: str) -> None:
+        """Test que la fonction est idempotente.
+
+        Pour tout texte d'entrée x, sanitize_plaintext(sanitize_plaintext(x)) doit
+        être égal à sanitize_plaintext(x).
+
+        :param test_input: Texte à tester
+        :return: None
+        """
+        first_pass = sanitize_plaintext(test_input)
+        second_pass = sanitize_plaintext(first_pass)
+        assert second_pass == first_pass
+
+    def test_mixed_html_control_emoji(self) -> None:
+        """Test une combinaison de balises HTML, caractères de contrôle et emojis.
+
+        :return: None
+        """
+        assert sanitize_plaintext("<b>📌</b>\x00 Hello") == "📌 Hello"
+
+    def test_unicode_text_preserved(self) -> None:
+        """Test que le texte Unicode avec accents est préservé.
+
+        :return: None
+        """
+        assert sanitize_plaintext("Café résumé") == "Café résumé"
+
+    def test_del_char_stripped(self) -> None:
+        """Test que le caractère ASCII DEL (\\x7f) est supprimé.
+
+        :return: None
+        """
+        assert sanitize_plaintext("a\x7fb") == "ab"
+
+    @pytest.mark.parametrize("c1_char", ["\x80", "\x85", "\x9f"])
+    def test_c1_controls_stripped(self, c1_char: str) -> None:
+        """Test que les caractères de contrôle C1 (\\x80-\\x9f) sont supprimés.
+
+        :param c1_char: Caractère de contrôle C1 à tester
+        :return: None
+        """
+        assert sanitize_plaintext(f"a{c1_char}b") == "ab"
+
+    def test_del_and_c1_idempotent(self) -> None:
+        """Test que la suppression de DEL et des contrôles C1 est idempotente.
+
+        :return: None
+        """
+        text = "a\x7f\x80\x9fb"
+        assert sanitize_plaintext(sanitize_plaintext(text)) == sanitize_plaintext(text)