清洗受污染的数据

Question

当我清洗受污染的数据并检查它是否有任何坏字符时，是否有 unicode 属性可以过滤坏字符？

Answer 1

perlunicode 中的用户定义字符属性

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 2

我认为“不”对于答案来说是轻描淡写的，但你已经明白了。不，Unicode 没有“坏”或“好”字符的概念（更不用说“丑陋”字符了）。

Answer 3

XML（以及 XHTML）只能包含这些字符：

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

在上述内容中，应避免以下字符：

\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}

如果要生成 XHTML，则需要转义以下字符：

• & ⇒ & amp;
• < ⇒ < &
• gt; ⇒ > （可选)
• <代码>" ⇒ "（可选，除了用 " 分隔的属性值）
• ' ⇒ '（可选除了用 ' 分隔的属性值之外）

HTML 应该有相同的（如果不是更宽松的要求），所以如果你坚持这一点，你应该是安全的。