用于排除特殊字符的正则表达式

Question

我无法想出一个正则表达式,它基本上会将某些特殊字符列入黑名单.

我需要使用它来验证输入字段中的数据(在Java Web应用程序中).我们希望允许用户输入任何数字,字母(我们需要包括重音字符,例如法语或德语)和一些特殊字符,例如' - .等等

如何将<>%$等字符列入黑名单？

任何帮助将不胜感激.

Answer 1

我只是白名单上的人物.

^[a-zA-Z0-9äöüÄÖÜ]*$

使用正则表达式构建黑名单同样简单,但您可能需要添加更多字符 - 在unicode中有很多中文符号...;)

^[^<>%$]*$

表达式[^(这里有很多字符)]只匹配未列出的任何字符.

Answer 2

要排除某些字符(<,>,%和$),您可以制作如下的正则表达式:

[<>%\$]

此正则表达式将匹配其中包含黑名单字符的所有输入.括号定义了一个字符类,并且在美元符号之前是必需的,因为美元符号在正则表达式中具有特殊含义.

要在黑名单中添加更多字符,只需将它们插入括号之间即可; 订单没关系.

根据正则表达式的一些Java文档,您可以使用如下表达式:

Pattern p = Pattern.compile("[<>%\$]");
Matcher m = p.matcher(unsafeInputString);
if (m.matches())
{
    // Invalid input: reject it, or remove/change the offending characters.
}
else
{
    // Valid input.
}

Answer 3

ASCII 字符的非字母数字和下划线的否定集：

/[^\W]/g

对于电子邮件或用户名验证，我使用了以下允许 4 个标准特殊字符 - _ 的表达式。@

/^[-.@_a-z0-9]+$/gi

对于严格的仅字母数字表达式，请使用：

/^[a-z0-9]+$/gi

测试@ RegExr.com

Answer 4

通常最好将您允许的字符列入白名单,而不是将您不允许的字符列入黑名单.从安全角度和易于实施的角度来看都是如此.

如果你确实沿着黑名单路线走下去,这是一个例子,但要注意,语法并不简单.

http://groups.google.com/group/regex/browse_thread/thread/0795c1b958561a07

如果你想将所有重音字符列入白名单,也许使用unicode范围会有帮助吗？看看这个链接.

http://www.regular-expressions.info/unicode.html

Answer 5

我想这取决于您所针对的语言。通常，这样的事情应该起作用：

[^<>%$]

“ []”结构定义了一个字符类，它将与列出的任何字符匹配。将“ ^”作为第一个字符将否定匹配，即：除所列字符中的一个以外的任何其他字符。

[]根据您使用的语言/正则表达式引擎，您可能需要转义“ ”中的某些字符。

Answer 6

即使在2009年，似乎也有太多人对涉及WORLDWIDE网站的设计抱有非常有限的想法。在2015年，除非为特定国家/地区设计，否则黑名单是容纳可能有效的大量字符的唯一方法。

然后需要根据需要非法使用的数据来选择要列入黑名单的字符。

但是，有时需要分解需求，并分别处理每个需求。提前在这里是你的朋友。这些部分以(?=)正号和(?!)负号为界，并有效地成为AND块，因为处理该块时，如果没有失败，则正则表达式处理器将在下一个块的文本开头开始。实际上，每个前瞻块都将以开头^，如果其模式是贪婪的，则最多包含$。甚至古老的VB6 / VBA（Office）5.5 regex引擎也支持超前。

因此，要构建完整的正则表达式，请从先行块开始，然后在final之前添加黑名单字符块$。

例如，要限制字符总数（例如，包括3到15个字符），请从正向预读块开始(?=^.{3,15}$)。注意，这需要它自己^并$确保覆盖所有文本。

现在，虽然您可能希望允许_和-，但您可能不想以它们开头或结尾，所以请添加两个负的超前代码块（(?!^[_-].+)用于开始和(?!.+[_-]$)结束）。

如果你不想多_和-，加入的负前瞻块(?!.*[_-]{2,})。这也将排除_-和-_顺序。

如果没有更多的前瞻块，则在之前添加黑名单块$，例如[^<>[\]{\}|\\\/^~%# :;,$%?\0-\cZ]+，其中\0-\cZ排除空字符和控制字符，包括NL（\n）和CR（\r）。最后+确保所有文字都被贪婪地包含在内。

在Unicode域中，很可能还需要排除其他代码点或代码块，但是肯定比白名单中必须包含的所有代码块少得多。

以上所有的整个正则表达式将是

(?=^.{3,15}$)(?!^[_-].+)(?!.+[_-]$)(?!.*[_-]{2,})[^<>[\]{}|\\\/^~%# :;,$%?\0-\cZ]+$

您可以在https://regex101.com/上实时检出pcre（php），javascript和python regex引擎。我不知道Java正则表达式适合那些位置，但是您可能需要修改正则表达式以适应其特质。

如果要包括空格而不是_，只需在正则表达式中的每个位置交换它们。

此技术最有用的应用程序是patternHTML input字段的属性，该属性需要单个表达式，如果失败则返回false，从而使该字段无效，使input:invalidCSS突出显示该字段，并停止提交表单。