Форум PHP

Есть такой массив: $char = array("\0", "\xc2\xad", "\xcc\xb7", "\xcc\xb8", "\xe1\x85\x9F", "\xe1\x85\xA0", "\xe2\x80\x80", "\xe2\x80\x81", "\xe2\x80\x82", "\xe2\x80\x83", "\xe2\x80\x84", "\xe2\x80\x85", "\xe2\x80\x86", "\xe2\x80\x87", "\xe2\x80\x88", "\xe2\x80\x89", "\xe2\x80\x8a", "\xe2\x80\x8b", "\xe2\x80\x8e", "\xe2\x80\x8f", "\xe2\x80\xaa", "\xe2\x80\xab", "\xe2\x80\xac", "\xe2\x80\xad", "\xe2\x80\xae", "\xe2\x80\xaf", "\xe2\x81\x9f", "\xe3\x80\x80", "\xe3\x85\xa4", "\xef\xbb\xbf", "\xef\xbe\xa0", "\xef\xbf\xb9", "\xef\xbf\xba", "\xef\xbf\xbb", "\xE2\x80\x8D");

В общем эти символы которые представлены в массиве $char, вырезаются из поступающих от пользователя данных. То есть из массивов $_GET, $_POST, $_COOKIE, $_REQUEST.
Мне показали ссылку.

Расскажите, это актуально и нужно? Просто нигде не встречал :) Проект на утф.

прикольно :)

<?php var_dump("hello world", "\xe2\x80\xae", "hello world"); ?>

Что именно прикольно? :)

выводит в опере
string(11) "hello world" string(3) ""dlrow olleh" (11)ghirts "

У меня в FireFox нормально все выводило, в зависимости от кодировки.
Странный Вы какой-то "баг" нашли :)

всегда подозревал что FF какой-то неадекватный браузер :)

не хватает времени перевести в utf8 то что в юникоде перечислено тут
ru.wikipedia.org/wiki/Управляющие_символы
, думаю то-же самое (если это всё).
надо брать на вооружение

проверил в ff то-же самое (или не у всех установлена в системе поддержка письма справа-налево), кодировку utf8 не распознал только автоматически.
браузер зло....намереный какой-то. Еле успел остановить шквал страниц которые он при первом запуске хотел вывалить.

В той статье рассказываются об уязвимостях линуксовой утилиты sed. Конкретно вам дали ссылку на уязвимость в реализации механизма регулярных выражений.

Юникод довольно сложный и запутанный стандарт кодирования символов. Поэтому в программах бывают ошибки, связанные с некорректной поддержкой юникода. Иногда эти ошибки можно использовать в злых целях. Пример в статье показывает как внедрять вредоносные данные, проходящие фильтрацию регулярными выражениями. Если эти данные больше никак не проверяются, не экранируются и вставляются напрямую в SQL-запрос... то получается классическая SQL-инъекция.
Такое совпадение багов маловероятно, но не невозможно.

Автор этого РНР-кода собрал все "вредные" последовательности, до которых смог добраться. И пытается "обезопасить" входящие данные.
Я не слышал о багах в РНР, связанных с юникодом, и считаю этот код бесполезным.

Спасибо большое.
Замучал гугл в поисках ответа и целесообразности данной функции.
Эта функция из форума punBB.

Не считая нуля опознанными по википедии оказались только несколько

0xad     0x337     0x338     0x115f     0x1160     0x2000     0x2001     0x2002     0x2003     0x2004     0x2005     0x2006     0x2007     0x2008     0x2009     0x200a     0x200b    ZERO-WIDTH SPACE 0x200e    LEFT-TO-RIGHT MARK. 0x200f    RIGHT-TO-LEFT MARK. 0x202a    LEFT-TO-RIGHT EMBEDDING. 0x202b    RIGHT-TO-LEFT EMBEDDING. 0x202c    POP DIRECTIONAL FORMATTING. 0x202d    LEFT-TO-RIGHT OVERRIDE. 0x202e    RIGHT-TO-LEFT OVERRIDE. 0x202f     0x205f     0x3000     0x3164     0xfeff     0xffa0     0xfff9    ZERO WIDTH NO-BREAK SPACE / BYTE ORDER MARK, (типа bom наверное) 0xfffa     0xfffb     0x200d

скрипт

#!perl use Encode qw(decode); # encode is_utf8 my @a = ("\xc2\xad", "\xcc\xb7", "\xcc\xb8", "\xe1\x85\x9F", "\xe1\x85\xA0", "\xe2\x80\x80",  "\xe2\x80\x81", "\xe2\x80\x82", "\xe2\x80\x83", "\xe2\x80\x84", "\xe2\x80\x85", "\xe2\x80\x86",  "\xe2\x80\x87", "\xe2\x80\x88", "\xe2\x80\x89", "\xe2\x80\x8a", "\xe2\x80\x8b", "\xe2\x80\x8e",   "\xe2\x80\x8f", "\xe2\x80\xaa", "\xe2\x80\xab", "\xe2\x80\xac", "\xe2\x80\xad", "\xe2\x80\xae",  "\xe2\x80\xaf", "\xe2\x81\x9f", "\xe3\x80\x80", "\xe3\x85\xa4", "\xef\xbb\xbf", "\xef\xbe\xa0",   "\xef\xbf\xb9", "\xef\xbf\xba", "\xef\xbf\xbb", "\xE2\x80\x8D"); my $x=0; while(<DATA>){     printf "%#x\t". $_, ord(decode('utf8', $a[$x]));     ++$x; } __DATA__ ZERO-WIDTH SPACE, пробел нулевой ширины. При выравнивании по ширине может расширяться. LEFT-TO-RIGHT MARK. Писать слева направо. RIGHT-TO-LEFT MARK. Писать справа налево. LEFT-TO-RIGHT EMBEDDING. Начало текста, написанного слева направо, внутри текста, написанного справа налево. RIGHT-TO-LEFT EMBEDDING. Начало текста, написанного справа налево, внутри текста, написанного слева направо. POP DIRECTIONAL FORMATTING. Конец вставленного текста с другим направлением. LEFT-TO-RIGHT OVERRIDE. RIGHT-TO-LEFT OVERRIDE. ZERO WIDTH NO-BREAK SPACE / BYTE ORDER MARK, неразрывный пробел нулевой ширины / индикатор порядка байтов.

сдвинулся ZERO WIDTH NO-BREAK SPACE/BYTE ORDER MARK
должно быть 0xfeff

ещё несколько

0x00AD # SOFT HYPHEN



0x2002 # EN SPACE
0x2003 # EM SPACE
0x2004 # THREE-PER-EM SPACE
0x2005 # FOUR-PER-EM SPACE
0x2007 # FIGURE SPACE
0x2008 # PUNCTUATION SPACE
0x2009 # THIN SPACE
0x200A # HAIR SPACE



0x200D ‍ # ZERO WIDTH JOINER

Экранируй вообще всё и удаляй эти символы сразу во имя безопасности Пентагона!

извиняюсь что не создал новую тему, просто вопрос почти по теме :)

стоит-ли так-же игнорировать вводимые символы, из некототорых этих груп специальных символов, которым ещё нет описания, похоже просто недозаполненные подмножества.
вот например если добавить к тому что есть ещё такое (в добавленном unicode 0X000F вместо 0x000f)

0x115f        HANGUL JUNGSEONG FILTER 0x1160        HANGUL CHOSEONG FILTER 0x2000        EN QUAD 0x2001        EM QUAD 0x2002        EN SPACE 0x2003        EM SPACE 0x2004        THREE-PER-EM SPACE 0x2005        FOUR-PER-EM SPACE 0x2006        SIX-PER-EM SPACE 0x2007        FIGURE SPACE 0x2008        PUNCTUATION SPACE 0x2009        THIN SPACE 0x200a        HAIR SPACE 0x200b        ZERO-WIDTH SPACE 0x200c        ZERO WIDTH NON-JOINER 0x200d        ZERO WIDTH JOINER 0x200e        LEFT-TO-RIGHT MARK. 0x200f        RIGHT-TO-LEFT MARK. 0X2028        LINE SEPARATOR 0X2029        PARAGRAPH SEPARATOR 0x202a        LEFT-TO-RIGHT EMBEDDING. 0x202b        RIGHT-TO-LEFT EMBEDDING. 0x202c        POP DIRECTIONAL FORMATTING. 0x202d        LEFT-TO-RIGHT OVERRIDE. 0x202e        RIGHT-TO-LEFT OVERRIDE. 0x202f        NARROW NO-BREAK SPACE 0x205f        ???????????????????? 0X206A        INHIBIT SYMMETRIC SWAPPING 0X206B        ACTIVATE SYMMETRIC SWAPPING 0X206C        INHIBIT ARABIC FORM SHAPING 0X206D        ACTIVATE ARABIC FORM SHAPING 0X206E        NATIONAL DIGIT SHAPES 0X206F        NOMINAL DIGIT SHAPES 0X20E2        COMBINING ENCLOSING SCREEN 0X20E3        COMBINING ENCLOSING KEYCAP 0X20E4        ???????????????? 0X20E5        ???????????????? 0X20E6        ???????????????? 0X20E7        ???????????????? 0X20E8        ???????????????? 0X20E9        ???????????????? 0X20EA        ???????????????? 0X20EB        ???????????????? 0X20EC        ???????????????? 0X20ED        ???????????????? 0X20EE        ???????????????? 0X20EF        ???????????????? 0X20F0        ???????????????? 0X20F1        ???????????????? 0X20F2        ???????????????? 0X20F3        ???????????????? 0X20F4        ???????????????? 0X20F5        ???????????????? 0X20F6        ???????????????? 0X20F7        ???????????????? 0X20F8        ???????????????? 0X20F9        ???????????????? 0X20FA        ???????????????? 0X20FB        ???????????????? 0X20FC        ???????????????? 0X20FD        ???????????????? 0X20FE        ???????????????? 0X20FF        ???????????????? 0X214C-0X214F    ?????????????????? 0x3000        IDEOGRAPHIC SPACE 0x3164        HANGUL FILTER 0xfeff        ZERO WIDTH NO-BREAK SPACE / BYTE ORDER MARK, 0xffa0        HALFWIDTH HANGUL FILTER 0XFFF0        ????????????????? 0XFFF1        ????????????????? 0XFFF2        ????????????????? 0XFFF3        ????????????????? 0XFFF4        ????????????????? 0XFFF5        ????????????????? 0XFFF6        ????????????????? 0XFFF7        ????????????????? 0XFFF8        ????????????????? 0xfff9        INTERLINEAR ANNOTATION ANCHOR 0xfffa        INTERLINEAR ANNOTATION SEPARATOR 0xfffb        INTERLINEAR ANNOTATION TERMINATOR

или значения есть, я не смог найти , или есть риск что значения появятся ?

Просто нужно несколько символов для использования чего-то похожего на разделители текста ([tag] заметно больше и труднее найти), и всётаки не хотелось-бы задеть какой-нибудь нужный иероглиф :)

или не понял нужно-ли трогать трогать что-то из непонятных
0XD800-0XDB7F ???????????????? : High Surrogates (896)
0XDB80-0XDBFF ???????????????? : High Private Use Surrogates (128)
0XDC00-0XDFFF ???????????????? : Low Surrogates (1024)
0XE000-0XF8FF ???????????????? : Private Use (6400)
даже не смог там понять что такое сурогатные пары.

И совсем-бы не хотелось лезть кроме этой
"Плоскость 0 (0000—FFFF): Базовая многоязыковая плоскость (Basic Multilingual Plane, BMP)"

ещё в какие нибудь
Плоскость 1 (10000—1FFFF): Дополнительная многоязыковая плоскость (Supplementary Multilingual Plane, SMP)
Плоскость 2 (20000—2FFFF): Дополнительная иероглифическая плоскость (Supplementary Ideographic Plane, SIP)
Плоскость 3 (30000—3FFFF): Третичная иероглифическая плоскость (Tertiary Ideographic Plane, TIP)
Плоскости 4—13 (40000—DFFFF) не используются
Плоскость 14 (E0000—EFFFF): Дополнительная плоскость особого назначения (Supplementary Special-purpose Plane, SSP)
Плоскость 15 (F0000—FFFFF) используется как дополнительная область-A для частного использования (Supplementary Private Use Area-A, SPUA-A)
Плоскость 16 (100000—10FFFF) используется как дополнительная область-B для частного использования (Supplementary Private Use Area-B, SPUA-B)

:)
нужно просто десятка полтора-два совсем никому не нужных символов юникода