c - 如何将 POST 编辑的字符串验证为有效的 UTF-8（在 C 中）？

Question

我们有一个 CGI 程序，它处理 POST-ed 表单。一些 POST-ed 文本可以包含非 ASCII 字符——浏览器已经将这些字符转换为 UTF-8。

我需要“强化”程序以拒绝无效字符串——其中非 ASCII 字符串也不是有效的 UTF-8 字符串。

我想，我会依赖 mbstowcs()：

setlocale(LC_CTYPE, "en_US.UTF-8");
unilen = mbstowcs(NULL, foo, 0);
if (unilen == (size_t)-1) {
    ... report an error ...
}

但是，我很难验证该方法——它可以接受有效的字符串，但我无法想出一个无效的字符串来拒绝它......

请有人确认这是一种正确的方法和/或建议替代方法吗？

请注意，我不关心转换的实际结果——一旦我确信该字符串是有效的 UTF-8，我会将其复制到电子邮件中（使用 UTF-8 字符集）并让收件人的电子邮件程序处理它。我打扰验证的唯一原因是确保表单不用于传播任意二进制文件（例如病毒）。

谢谢！

score 0 · Accepted Answer

功能文档说

“如果遇到无效的多字节字符，则返回 (size_t)-1 值。”

所以我相信你的验证非常好。就个人而言，我总是发现这个值因无效数据而损坏。你可以提交一个任意长度的十六进制序列来确定。

如果您有疑问并需要进一步验证，gnu iconv 是一个不错的选择

1 回答 1