清理Unicode输入的最佳实践

Question

我目前正在开发一个Web应用程序（使用Ruby），我最终希望世界各地的人都可以使用它。考虑到这一点，支持非ASCII字符是必不可少的。但是，我不希望数据库在 username 等字段中充满“噪音”字符。

在不疏远用户的情况下，是否有任何可接受的最佳实践来处理Unicode输入？有关处理用户名中的同形异义词以使冒充更难的想法吗？

到目前为止我的一些想法 -

• 在查询中存储或使用文本之前对文本进行规范化
• 过滤不可打印的字符
• 限制输入中允许的顺序组合变音符号的数量

还有什么想法，还是我为自己做了不必要的工作？

感谢。

Answer 1

http://www.ietf.org/rfc/rfc3454.txt会告诉你应该做什么，也就是担心规范化和安全问题。