Ich teste, wie ein Teil meines Codes mit fehlerhaften Daten umgeht, und ich benötige einige Byteserien, die ungültig sind. UTF-8.
Können Sie einige und im Idealfall eine Erklärung veröffentlichen, warum sie schlecht sind / woher Sie sie haben?
unit-testing
utf-8
twk
quelle
quelle
Antworten:
Werfen Sie einen Blick auf Markus Kuhns UTF-8-Decoderfunktion und Stresstestdatei
Sie finden Beispiele für viele UTF-8-Unregelmäßigkeiten, einschließlich einsamer Startbytes, fehlender Fortsetzungsbytes, überlanger Sequenzen usw.
quelle
In PHP:
Von http://www.php.net/manual/en/reference.pcre.pattern.modifiers.php#54805
quelle
, ̆ war besonders böse. Ich sehe es als auf Ubuntu kombiniert.
Komma-Breve
quelle
Die Idee von Mustern schlecht gebildeter Byte-Sequenzen kann aus der Tabelle gut geformter Byte-Sequenzen entnommen werden. Siehe " Tabelle 3-7. Gut geformte UTF-8-Byte-Sequenzen " im Unicode-Standard 6.2.
Hier sind die aus U + 24B62 generierten Beispiele. Ich habe sie für einen Fehlerbericht verwendet: Fehler # 65045 mb_convert_encoding bricht einen wohlgeformten Charakter
Die übermäßige Vereinfachung des Bereichs nachfolgender Bytes ([0x80, 0xBF]) ist in den verschiedenen Bibliotheken zu sehen.
quelle
Fuzz Testing - Generieren Sie eine zufällige Folge von Oktetten. Höchstwahrscheinlich erhalten Sie früher als später einige illegale Sequenzen.
quelle
srand()
Rat ist eine gute Idee, er könnte anderen Menschen hier helfen.