创建无效的 UTF8 字符串

Question

是否可以使用 Javascript 创建无效的 UTF8 字符串？

我找到的每个解决方案都依赖String.fromCharCode ，它生成undefined而不是无效的字符串。 我已经看到提到由格式错误的 UTF8 字符串（即https://developer.mozilla.org/en-US/docs/Web/API/WebSocket#send() ）生成的错误，但我无法弄清楚您将如何实际创建一个。

Answer 1

JavaScript 中的字符串是 UTF-16 代码单元的计数序列。 代码单元表示 Unicode 代码点有一个隐含的约定。 即便如此，也可以表示任何 UTF-16 代码单元序列——甚至是未配对的代理。

我发现String.fromCharCode(0xd801)返回替换字符，这看起来很合理（而不是undefined ）。 任何文本函数都可能这样做，但出于效率原因，我确信许多文本操作只会传递无效序列，除非操作需要将它们解释为代码点。

创建此类字符串的最简单方法是使用字符串文字。 例如， "\? \?"或"\?"或"\?"而不是有效的"\?\?" 。

"\? \?".replace(" ","")实际上确实返回了"\?\?" ( "🚲" ) 但我认为你不应该指望来自不是一个字符串的任何好处Unicode 代码点的有效 UTF-16 编码。

Answer 2

使用 JavaScript 生成无效 UTF-8 字符串的一种方法是采用表情符号并删除最后一个字节。

例如，这将是一个无效的 UTF-8 字符串：

const invalidUtf8 = '🐶🐶🐶'.substr(0,5);

Answer 3

根据这个答案 ，

UTF-8是Unicode的一种编码，可以表示人类历史记录中存在的几乎每个字符和字形，因此在某种程度上没有“无效”的UTF-8字符。

所以， 不 ，这是不可能产生无效的UTF-8字符。 每个字符都是有效的UTF-8。