如何生成非UTF-8字符集

我的一个要求是“文本框名称应只接受UTF-8字符集”。我想通过输入非UTF-8字符集来执行否定测试。我如何才能做到这一点？

如果您询问如何构造非UTF-8字符，应该可以从以下几方面轻松解决：

对于代码点U+0000到U+007F，每个代码点的长度为一个字节，如下所示：

0xxxxxxx   // a

110xxxxx 10xxxxxx  // b

对于代码点U+0080到U+07FF，每个代码点有两个字节长，如下所示：

0xxxxxxx   // a

110xxxxx 10xxxxxx  // b

等等

因此，要构造一个1字节长的非法UTF-8字符，最高位必须是1（不同于模式a），第二高位必须是0（不同于模式b）：

或

这两种模式也不同

使用相同的逻辑，您可以构造长度超过两个字节的非法代码单元序列

您没有标记语言，但我必须测试它，所以我使用Java：

for (int i=0;i<255;i++) {
    System.out.println( 
        i + " " + 
        (byte)i + " " + 
        Integer.toHexString(i) + " " + 
        String.format("%8s", Integer.toBinaryString(i)).replace(' ', '0') + " " + 
        new String(new byte[]{(byte)i},"UTF-8")
    );
}

delete

是

0x7f

，在它之后，从128个字符（含）到254个字符，都不会打印有效字符。您还可以从中看到：

码点

U+007F

用一个字节

0x7F

（位

01111111

）表示，而码点

U+0080

用两个字节

0xC2 0x80

（位

11000010 10000000

）表示

如果您不熟悉UTF-8，我强烈建议您阅读这篇优秀的文章：

---

通过用户界面，您将很难做到这一点。你需要以编程的方式来完成它。首先定义你的编程语言、环境和/或上下文。这将因您使用的系统不同而有很大差异。为什么对这个问题投反对票？

...
31 31 1f 00011111 
32 32 20 00100000  
33 33 21 00100001 !
...
126 126 7e 01111110 ~
127 127 7f 01111111 
128 -128 80 10000000 �