如何验证POST版本的字符串为有效的UTF-8（在C语言中）？

Question

我们有一个CGI程序，可以处理POST形式。 某些POST版本的文本可以包含非ASCII字符-浏览器已经可以将它们转换为UTF-8。

我需要“强化”程序以拒绝无效的字符串-其中非ASCII字符串也不是有效的UTF-8字符串。

我以为，我会依靠mbstowcs（）：

setlocale(LC_CTYPE, "en_US.UTF-8");
unilen = mbstowcs(NULL, foo, 0);
if (unilen == (size_t)-1) {
    ... report an error ...
}

但是，我很难验证该方法-它可以接受有效的字符串，但是我不能提出一个无效的字符串来拒绝该方法...

能否请某人确认这是正确的方法和/或建议替代方法？

请注意，我不在乎转换的实际结果-一旦我确信该字符串是有效的UTF-8，就将其复制到电子邮件中（使用UTF-8字符集），然后收件人的电子邮件程序处理它。 我烦恼验证的唯一原因是要确保该表单不用于传播任意二进制文件（例如病毒）。

谢谢！

Answer 1

功能文档说

“如果遇到无效的多字节字符，将返回（size_t）-1值。”

因此，我相信您的验证是可以的。 就个人而言，我总是发现该值因无效数据而损坏。 您可以确定偶数长度的任意十六进制序列。

如果您不确定并需要进一步验证，可以选择gnu iconv

utf-8验证