用于输入验证的正则表达式白名单 - 不区分重音答案

【问题标题】：Regex white list for input validation - accent insensitive用于输入验证的正则表达式白名单 - 不区分重音
【发布时间】：2011-08-05 15:40:15
【问题描述】：

我希望能够将用户输入限制为有效字符的白名单，但我不想阻止来自其他文化的人注册。到目前为止，我有这个：

^[a-zA-Z0-9èéêëàáâãäçìíîïòóôõöùúûü-_]*$

它允许大多数法语口音，但拉丁字符集中的口音列表是巨大的！我宁愿使用白名单而不是黑名单，以防我错过了什么。

注意，这将适用于 C#，但我想使用正则表达式进行客户端验证，以使双方保持一致。当我将输入保存到数据库时，我也在对输入进行 HTML 编码。

是否有更优雅的方法可以使正则表达式重音不敏感，但仍具有足够的限制性以防止 XSS？我不想疏远我的用户。

我希望能够有一些标点符号，但不要让自己受到 XSS 攻击，例如，我希望有人输入他们的公司名称：如果有人在 Yahoo! 工作，他们应该能够注册。

【问题讨论】：

ECMAscript RegExp 类不支持 unicode，超出 \u.... 转义以匹配单个代码点：[ECMA-262 标准][1]。例如，\w 转义只包括 ASCII 字母和数字，加上“_”。 [1]：ecma-international.org/publications/files/ECMA-ST/ECMA-262.pdf
我是不是走错了路？我想更广泛的问题是在服务器端防止 XSS 的最佳验证是什么（而不是简单地对所有内容进行 HTML 编码）？
我将把服务器端功能拆分为一个只用于字母数字，一个用于标点符号。感谢您的帮助！

标签： c# javascript regex validation

【解决方案1】：

也许你可以使用像 [\u00C0-\u017E] 这样的 unicode 范围来覆盖所有重音基数（但你应该检查字符映射以确保，因为我不知道意大利语有什么口音）。

【讨论】：

您可以在此处查看它接受的内容：en.wikipedia.org/wiki/…，也许可以根据您自己的需要进行更改。我的示例仅涵盖重音字母。你仍然需要做 A-z0-9

【解决方案2】：

fwiw：我使用了一个自制函数，它为所有变音符号返回一个正则表达式：

function diacritsRegEx(global, caseinsitive, multiline){
        var modifiers =   (global       ? 'g' : '') 
                        + (multiline    ? 'm' : '')
                        + (caseinsitive ? 'i' : ''); 
        return new RegExp(
             ['[\\.\\-a-z\\s]|',            // [a-z, . - and space]
              '[\\300-\\306\\340-\\346]|',  // all accented A, a
              '[\\310-\\313\\350-\\353]|',  // all accented E, e
              '[\\314-\\317\\354-\\357]|',  // all accented I, i
              '[\\322-\\330\\362-\\370]|',  // all accented O, o
              '[\\331-\\334\\371-\\374]|',  // all accented U, u
              '[\\321-\\361]|',             // all accented N, n
              '[\\307-\\347]'               // all accented C, c
             ]
             .join(''), modifiers);
}

【讨论】：

【解决方案3】：

^\w+$

你不能只使用字母数字标志，我相信它接受重音符号。

【讨论】：

我在运行时遇到这个错误：解析 "^\w+*$" - 嵌套量词 *
@Dave，我确定他的意思是 ^\w+$ 或 ^\w*$。这只是一个拼写错误。
对不起，我是个正则表达式菜鸟：S
我喜欢\w，但是如何选择性地添加一些标点符号呢？
@Dave，把标点写在后面就好了。说你想要一个单词然后是句号：

【解决方案4】：

在一些正则表达式实现中，一个简单的\w 将涵盖所有这些。见http://www.regular-expressions.info/charclass.html

【讨论】：

【解决方案5】：

如果您想允许使用字母（带或不带变音符号）和一些标点符号，您可以使用：

^[\w_-]+$

其中 \w 代表任何字母，_- 是 2 个允许的额外标点符号。不要忘记把 - 放在最后。

【讨论】：

【解决方案6】：

对于订单表格中的用户输入，我使用的是：[^\w\s+\/_,.@-] 这允许电子邮件、邮政编码、名字、姓氏等字符。

【讨论】：