清洗受污染的数据

Question

当我清洗被污染的数据，检查它是否有任何坏字符时，有没有unicode属性可以过滤坏字符？

Answer 1

我认为“不”是一个轻描淡写的答案，但你已经知道了。不，Unicode没有“坏”或“好”字符的概念(更不用说“丑陋的”字符了)。

Answer 2

User-Defined Character Properties in perlunicode

package Characters::Sid_com;

sub InBad {
return <<"BAD";
0000\t10FFFF
BAD
}

sub InEvil {
return <<"EVIL";
0488
0489
EVIL
}

sub InStupid {
return <<"STUPID";
E630\tE64F
F8D0\tF8FF
STUPID
}

⋮

die 'No.' if $tring =~ /
    (?: \p{Characters::Sid_com::InBad}
      | \p{Characters::Sid_com::InEvil}
      | \p{Characters::Sid_com::InStupid}
    )
/x;

Answer 3

XML (以及XHTML)只能包含以下字符：

\x09 \x0A \x0D
\x{0020}-\x{D7FF}
\x{E000}-\x{FFFD}
\x{10000}-\x{10FFFF}

在上述情况下，应避免以下情况：

\x7F-\x84
\x86-\x9F
\x{FDD0}-\x{FDEF}
\x{1FFFE}-\x{1FFFF}
\x{2FFFE}-\x{2FFFF}
\x{3FFFE}-\x{3FFFF}
\x{4FFFE}-\x{4FFFF}
\x{5FFFE}-\x{5FFFF}
\x{6FFFE}-\x{6FFFF}
\x{7FFFE}-\x{7FFFF}
\x{8FFFE}-\x{8FFFF}
\x{9FFFE}-\x{9FFFF}
\x{AFFFE}-\x{AFFFF}
\x{BFFFE}-\x{BFFFF}
\x{CFFFE}-\x{CFFFF}
\x{DFFFE}-\x{DFFFF}
\x{EFFFE}-\x{EFFFF}
\x{FFFFE}-\x{FFFFF}
\x{10FFFE}-\x{10FFFF}

如果您正在生成XHTML，则需要避开以下内容：

• & &
• < &lt;
• > (optional)
• " &
• <&lt;
• >(optional)
• " ")
• ' ')

> " '⇒(可选，但在使用')分隔的属性值中除外

HTML应该有相同的要求，如果不是更宽松的话，所以如果你坚持这样做，你应该是安全的。