c# - 如何防止变音符号，例如Zalgo文字

上图所示的字符是计算机安全专家Mikko Hyppönen在几个月前发布的，该人以从事计算机病毒工作和TED talks在计算机安全方面的工作而著称。关于SO，我只会发布它的图片，但是您会明白的。显然，这不是您想要在您的网站上传播并吓倒访问者的东西。

经进一步检查，该字符似乎是泰语字母，再加上87个变音符号(甚至还有限制吗？!)。这让我开始思考安全性，本地化以及如何处理这种输入。我的搜索将我带到Stack上的this question上，然后是Michael Kaplan的stripping diacritics上的博客文章。在其中，他演示了如何将字符串分解成其“基本”字符(为简洁起见在此进行了简化):

StringBuilder sb = new StringBuilder();
foreach (char c in "façade".Normalize(NormalizationForm.FormD))
{
    if (char.GetUnicodeCategory(c) != UnicodeCategory.NonSpacingMark)
        sb.Append(c);
}
Response.Write(sb.ToString()); // facade

我可以看到这在某些情况下会很有用，但就用户输入而言，它将消除所有变音符号。正如Kaplan所指出的，删除某些语言中的变音符号可以完全改变单词的含义。这就引出了一个问题:一个如何允许用户输入/输出中使用一些变音符号，却不包括其他一些极端情况，例如MikkoHyppönen的über角色？

最佳答案

本质上不是Unicode。 UAX-15中存在“流安全”格式的概念，该格式设置了30个组合器的限制...一般而言，不能保证Unicode字符串是流安全的，但是可以肯定地将其视为Unicode的标志不想标准化需要更长字素簇的新字符。

30还很糟糕。已知的最长的自然语言字素簇是藏基Hakṣhmalawarayaṁ(基数为1加8个组合器)，因此，现在将其标准化为NFD并禁止连续超过8个组合器的任何序列都是合理的。

如果您只关心西欧通用语言，则可以将其降低到2种。因此有可能在两者之间折衷。

关于c# - 如何防止变音符号，例如Zalgo文字，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/11978912/