示例無效utf8字符串？

我正在測試我的一些代碼如何處理錯誤的數據，並且我需要幾個無效的UTF-8字節序列。示例無效utf8字符串？

你可以發表一些，理想情況下，他們爲什麼壞/你得到他們的解釋嗎？

2009-08-19 twk

[真的好，壞UTF-8示例性測試數據（的可能的複製http://stackoverflow.com/questions/1319022/really-good-bad-utf-8-example-測試數據） – Claudiu 2016-04-18 15:04:22

看看Markus Kuhn's UTF-8 decoder capability and stress test file

你會發現許多UTF-8違規的例子，包括寂寞開始字節，字節延續失蹤，超長序列等

來源

2009-08-19 17:26:59

-2

模糊測試 - 生成一個隨機序列的八位字節。很可能你會比以後得到一些非法序列。

來源

2009-08-19 18:10:07 shoosh

沒有什麼比海森堡或艾森特測試更糟。測試通過10次，您釋放產品，測試失敗。 – 2017-11-21 15:03:33

@EricDuminil曾聽說過srand（）？ – shoosh 2017-11-21 19:22:16

夠公平的。你能否在回答中提到它，以便我可以恢復我的downvote？ – 2017-11-21 19:26:42

在PHP：

$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", 
);

從http://www.php.net/manual/en/reference.pcre.pattern.modifiers.php#54805

來源

2010-10-07 21:28:01 philfreo

的形成不良的字節序列模式的概念可以從良構的字節序列的表中獲取。請參閱Unicode標準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

下面是從U + 24B62生成的示例。我用他們的錯誤報告：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"

的尾隨字節的範圍（[0x80的，爲0xBF]）的過度簡單化可以在各個庫中可以看出。

// 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

來源

2013-06-19 18:59:00 masakielastic

，̆特別邪惡。我在Ubuntu上看到了它的組合。

逗號桿菌

來源

2015-04-02 20:04:50 user1015281

示例無效utf8字符串？

回答

相關問題