特殊文字を除外するための正規表現

Question

特定の特殊文字を本質的にブラックにする正規表現を思いつくのに問題があります。

これを使用して、入力フィールド（Java Webアプリケーション内）のデータを検証する必要があります。ユーザーは任意の数字、文字（アクセント記号付きの文字、たとえばフランス語またはドイツ語を含む必要があります）と「 - 」などの特殊文字を入力できるようにしたいと考えています。

<>％$などの文字をブラックリストに登録するにはどうすればよいですか？

ご協力いただければ幸いです。

Answer 1

許可しないブラックリスト文字ではなく、通常は許可するホワイトリスト文字です。セキュリティの観点からも実装の観点からも容易に実現できます。

ブラックリストルートを終了した場合、ここでは例を示しますが、警告はありますが、構文は単純ではありません。

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

あなたはおそらく、ユニコード範囲を使用して、すべてのアクセント文字をホワイトリストに登録したい場合に役立つだろうか？このリンクをチェックしてください。

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

Answer 2

あなたは本当に特定の文字をブラックリストというか許可charachtersをホワイトリストに登録しますか？

私はあなたが実際に後者を望んでいると仮定します。これは非常に単純です（[\-]グループにホワイトリストに追加の記号を追加）：

^(?:\p{L}\p{M}*|[\-])*$ 

編集：私はちょうどホワイトリストの文字だろうコメント

Answer 3

からの入力を持つパターンを最適化。

ブラックリストを構築

^[a-zA-Z0-9äöüÄÖÜ]*$ 

正規表現と同様に簡単ですが、あなたがはるかに文字を追加する必要があるかもしれません - 中国のシンボルの多くは、Unicodeである...;）

^[^<>%$]*$ 

表現[ ^（多くの文字はここにあります）]は、リストされていない文字にのみマッチします。

Answer 4

私はそれがあなたがどの言語をターゲットにしているかによると思います。一般に、このようなものが動作するはずです：

[^<>%$] 

「[]」構築物は、列挙された任意の文字と一致します文字クラスを定義します。最初の文字として "^"を置くと、一致が否定されます。

使用している言語/正規表現エンジンに応じて、「[]」内の文字の一部をエスケープする必要があります。

Answer 5

許可されている文字と許可されていない文字のリストを思い浮かべるほうがはるかに簡単だろうと思っています。そして、そのリストを取得すると、正規表現の構文はかなり単純になります。だから、「ホワイトリスト」の別の投票として私を置いてください。この正規表現は、それらの中にブラックリストに文字を持っているすべての入力にマッチします

[<>%\$] 

：特定の文字（<、>、％、および$）を除外するには

Answer 6

、次のような正規表現を作ることができます。角カッコは文字クラスを定義し、\はドル記号の前に必要です。ドル記号は正規表現で特別な意味を持つからです。

黒いリストにさらに文字を追加するには、角かっこの中に挿入するだけです。注文は関係ありません。あなたは、このための最良のツールはRegex考慮しないのはなぜ

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 7

：

一部Java documentation for regular expressionsによると、あなたはこのように表現を使用することができますか？文字列内に不正な文字が存在するかどうかを検出することを目的としている場合、ループ内の各文字をテストすることは、正規表現を構築するより簡単で効率的です。

Answer 8

ここでは、すべてのフランスのアクセント付きの文字があります： àÀâÂäÄáÁéÉèÈêÊëËìÌîÎïÏòÒôÔöÖùÙûÛüÜçÇ'ñ

私はドイツのアクセント付き文字のリストをグーグルます。それほど多くはありません。あなたはそれらをすべて手に入れることができるはずです。私はそうのような通常の文字でアクセント付きのURLを交換したURLの

：

string beforeConversion = "àÀâÂäÄáÁéÉèÈêÊëËìÌîÎïÏòÒôÔöÖùÙûÛüÜçÇ’ñ"; 
string afterConversion = "aAaAaAaAeEeEeEeEiIiIiIoOoOoOuUuUuUcC'n"; 
for (int i = 0; i < beforeConversion.Length; i++) { 

    cleaned = Regex.Replace(cleaned, beforeConversion[i].ToString(), afterConversion[i].ToString()); 
} 

より効率的な方法は、心はあなたが、おそらくあります。

Answer 9

2009年でさえ、あまりにも多くの人が、世界的なWebのデザインに関わる非常に限定された考えを持っていたようです。 2015年には、特定の国を対象としたデザインをしない限り、ブラックリストが有効な膨大な数の文字を収容する唯一の方法です。

ブラックリストの文字は、データが必要な目的に違反するものに応じて選択する必要があります。

しかし、場合によっては要件を細分化し、それぞれ別々に処理することもあります。ここで先を見てあなたの友人です。これらは正の場合は(?=)、負の場合は(?!)で区切られ、効果的にANDブロックになります。ブロックが処理されたときに失敗しないと、正規表現プロセッサは次のブロックでテキストの先頭から開始します。効果的には、各先読みブロックの前に^があり、そのパターンが欲しい場合は、$までを含めることができます。古くからのVB6/VBA（Office）5.5の正規表現エンジンでも、先読みがサポートされています。

完全正規表現を構築するには、先読みブロックから始めて、最後に$の前にブラックリストの文字ブロックを追加します。

たとえば、3〜15の合計文字数を制限するには、肯定先読みブロック(?=^.{3,15}$)から始めます。すべてのテキストを確実に網羅するためには、^と$が必要でした。

ここで、_と - を許可することができますが、開始または終了したくない場合があるので、2つのネガティブルックアヘッドブロックを開始には(?![_-].+)、終了には(?!.+[_-]$)を追加します。

複数の_と-が不要な場合は、負の先読みブロック(?!.*[_-]{2,})を追加します。これはまた、_-および-_配列を排除する。 \0-\cZはNL（\n）とCR（\r）を含む、ヌルおよび制御文字を除外

もはや先読みブロックが存在しない場合、そのような[^<>[\]{\}|\\\/^~%# :;,$%?\0-\cZ]+として、$前にブラックリストブロックを追加するには、。最後の+は、すべてのテキストが貪欲に含まれるようにします。

ユニコードドメイン内には、除外する必要がある他のコードポイントやブロックがあるかもしれませんが、確かにホワイトリストに含める必要があるすべてのブロックよりもはるかに少ないです。

上記のすべての全体の正規表現は、あなたがPCRE（PHP）のために、https://regex101.com/に生きてチェックアウトすることができ

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

、JavaScriptとPythonの正規表現エンジンになります。私はそれらのJava正規表現がどこに合っているのかわかりませんが、あなたは正規表現を修正してその特質を提供する必要があります。

_ではなく空白を含める場合は、正規表現内のすべての場所にスワップしてください。

この技術のために最も有用なアプリケーションは、障害のために偽を返す、単一の式が必要とされるHTML inputフィールド、ためpattern属性のためである、したがって、フィールドが無効になっていinput:invalid CSSはそれをハイライト表示することができ、および停止フォームが提出されます。

Answer 10

使用この1

^（= [-ZA-Z0-9〜@＃$^（）_ + = [] {} | \、：。？ - ]？ $）（ ？！。* [<> ' "/;`％]）

Answer 11

のASCII文字の英数字の&アンダースコアではありませんすべての否定セット：メールアドレスまたはユーザ名の検証のために

/[^\W]/g 

私が使用してきました4つの標準特殊文字 - _。

を許可する次の式厳格な英数字のみの式で使用するために

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

：RegExr.com