例如无效的utf8字符串？
例如无效的utf8字符串？
提问于 2009-08-19 17:20:23
我正在测试我的一些代码如何处理坏数据，并且我需要一些无效的UTF-8字节序列。
你能不能发布一些，最好是，解释一下为什么它们不好/你在哪里买到的？
回答 5
Stack Overflow用户
回答已采纳
发布于 2009-08-19 17:26:59
看一看Markus Kuhn's UTF-8 decoder capability and stress test file
你会发现许多UTF-8不规则的例子，包括孤立的开始字节，连续字节丢失，过长的序列，等等。
Stack Overflow用户
发布于 2010-10-08 05:28:01
在PHP中：
$examples = array(
'Valid ASCII' => "a",
'Valid 2 Octet Sequence' => "\xc3\xb1",
'Invalid 2 Octet Sequence' => "\xc3\x28",
'Invalid Sequence Identifier' => "\xa0\xa1",
'Valid 3 Octet Sequence' => "\xe2\x82\xa1",
'Invalid 3 Octet Sequence (in 2nd Octet)' => "\xe2\x28\xa1",
'Invalid 3 Octet Sequence (in 3rd Octet)' => "\xe2\x82\x28",
'Valid 4 Octet Sequence' => "\xf0\x90\x8c\xbc",
'Invalid 4 Octet Sequence (in 2nd Octet)' => "\xf0\x28\x8c\xbc",
'Invalid 4 Octet Sequence (in 3rd Octet)' => "\xf0\x90\x28\xbc",
'Invalid 4 Octet Sequence (in 4th Octet)' => "\xf0\x28\x8c\x28",
'Valid 5 Octet Sequence (but not Unicode!)' => "\xf8\xa1\xa1\xa1\xa1",
'Valid 6 Octet Sequence (but not Unicode!)' => "\xfc\xa1\xa1\xa1\xa1\xa1",
);来自http://www.php.net/manual/en/reference.pcre.pattern.modifiers.php#54805
Stack Overflow用户
发布于 2013-06-20 02:59:01
可以从结构良好的字节序列的表中得到结构不良的字节序列的模式的概念。请参阅Unicode标准6.2中的"Table 3-7. Well-Formed UTF-8 Byte Sequences“。
Code Points First Byte Second Byte Third Byte Fourth Byte
U+0000 - U+007F 00 - 7F
U+0080 - U+07FF C2 - DF 80 - BF
U+0800 - U+0FFF E0 A0 - BF 80 - BF
U+1000 - U+CFFF E1 - EC 80 - BF 80 - BF
U+D000 - U+D7FF ED 80 - 9F 80 - BF
U+E000 - U+FFFF EE - EF 80 - BF 80 - BF
U+10000 - U+3FFFF F0 90 - BF 80 - BF 80 - BF
U+40000 - U+FFFFF F1 - F3 80 - BF 80 - BF 80 - BF
U+100000 - U+10FFFF F4 80 - 8F 80 - BF 80 - BF以下是从U+24B62生成的示例。我将它们用于错误报告：Bug #65045 mb_convert_encoding breaks well-formed character
// U+24B62: "\xF0\xA4\xAD\xA2"
"\xF0\xA4\xAD" ."\xF0\xA4\xAD\xA2"."\xF0\xA4\xAD\xA2"
"\xF0\xA4\xAD\xA2"."\xF0\xA4\xAD\xA2"."\xF0\xA4\xAD"在各种库中可以看到尾部字节范围(0x80，0xBF)的过度简化。
// U+0800 - U+0FFF
\xE0\x80\x80
// U+D000 - U+D7FF
\xED\xBF\xBF
// U+10000 - U+3FFFF
\xF0\x80\x80\x80
// U+100000 - U+10FFFF
\xF4\xBF\xBF\xBF页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/1301402
复制相关文章
相似问题
腾讯云开发者
