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

我们有一个 CGI 程序，可以处理 POST-ed 表单。一些 POST-ed 文本可以包含非 ASCII 字符——浏览器已经帮助将它们转换为 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，我很难验证这个方法——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...

有人可以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，我就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。我费心验证的唯一原因是要确保该表单不用于传播任意二进制文件(例如病毒)。

谢谢!

最佳答案

函数文档说

“如果遇到无效的多字节字符，则返回 (size_t)-1 值。”

所以我相信您的验证非常好。就个人而言，我总是发现此值因无效数据而损坏。您可以提交一个任意的偶数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

关于c - 如何将 POST-ed 字符串验证为有效的 UTF-8(在 C 中)？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/12900997/