utf-8 - 提交表单中允许的字符(包括 UTF-8)

Question

假设我允许我的用户提交一个包含一些文本字段的表单(我不是在谈论密码)。我的用户偶尔会使用非 ASCII 字符，如俄语、中文等。所以我在我的数据库中使用 UTF-8 字符集。问题是，我真的应该允许所有可能的 UTF-8 字符吗？我查看了 ASCII 表，发现字符 0 到 31 与文本无关，除了换行符和空格。字符 176 到 223 似乎用于装饰目的:p。我应该限制他们吗？

Answer 1

W3C 在 Multilingual form encoding 中的示例正则表达式中跳过这些字符:

$field =~
  m/\A(
     [\x09\x0A\x0D\x20-\x7E]            # ASCII
   | [\xC2-\xDF][\x80-\xBF]             # non-overlong 2-byte
   |  \xE0[\xA0-\xBF][\x80-\xBF]        # excluding overlongs
   | [\xE1-\xEC\xEE\xEF][\x80-\xBF]{2}  # straight 3-byte
   |  \xED[\x80-\x9F][\x80-\xBF]        # excluding surrogates
   |  \xF0[\x90-\xBF][\x80-\xBF]{2}     # planes 1-3
   | [\xF1-\xF3][\x80-\xBF]{3}          # planes 4-15
   |  \xF4[\x80-\x8F][\x80-\xBF]{2}     # plane 16
  )*\z/x;