Question

我正在使用perl代码库来验证客户输入，我的目标是阻止代理字符。

我的想法是首先将客户输入编码为UTF-16和

 foreach my $messageChar (@MessageChars) {
   my $messageCharUTF16 = Encode::encode("UTF-16", $messageChar);
   if (($messageCharUTF16 >= 0xD800 && $messageCharUTF16 <= 0xDBFF)|( $messageCharUTF16 >= 0xDC00 && $messageCharUTF16 <= 0xDFFF)) {
      // Then we have surrogate pairs       
   }   
 }

但是，我没有从Encode :: encode获得正确的UTF-16值。

我如何揭示代理对？是否有任何直接的方法来验证字符串是否包含Perl中的代理字符？

Answer 1

我不清楚你想要检查什么，所以我将介绍两种可能性。

检查解码后的字符串是否包含任何U + D800..U + DFFF

官方的Unicode标准表明，没有UTF格式（包括UTF-16）可以对这些代码点进行编码，而Perl也有此要求。

$ perl -e'use open ":std", ":encoding(UTF-8)"; print "ABC\N{U+D800}DEF\n";'
Unicode surrogate U+D800 is illegal in UTF-8 at -e line 1.
"\x{d800}" does not map to utf8 at -e line 1.
ABC\x{D800}DEF

要检查这些字符，可以使用

$str =~ /[\x{D800}-\x{DFFF}]/

要检查是否存在任何编码错误，您可以使用

eval { encode("UTF-8", $str, Encode::FB_CROAK | Encode::LEAVE_SRC); 1 }

检查解码后的字符串是否包含U + FFFF以上的字符

U + FFFF以上的字符无法使用UCS-2进行编码，并且需要代理使用UTF-16进行编码。

$ perl -e'use open ":std", ":encoding(UTF-16le)"; print "\N{U+10000}";' | od -t x2
0000000 d800 dc00
0000004

要检查这些字符，可以使用

$str =~ /[^\0-\x{FFFF}]/

如何在Perl中的String中显示代理对

1 个答案: