Java: rileva i caratteri di controllo che non sono corretti per JSON

Question

Sto reinventando la ruota e creando i miei metodi JSON Parse in Java.

Vado dalla documentazione (molto bella!) su json.org . L'unica parte in cui non sono sicuro è dove dice "o carattere di controllo"

Poiché la documentazione è così chiara, e JSON è così semplice e facile da implementare, pensavo che avrei dovuto andare avanti e richiederei la specifica invece di essere allentata.

Come dovrei correttamente Striscia i caratteri di controllo in Java? Forse c'è un'intervallo Unicode?

---

.

Modifica: A (comunemente?) Pezzo mancante al puzzle

I è stato informato che ci sono altri caratteri di controllo al di fuori di L'intervallo definito ^{1 2} che può essere fastidioso nei tag <script>.

.

In particolare i caratteri u + 2028 e u + 2029, separatore di linea e paragrafo, che agiscono come elenchi. Iniezione di una nuova linea nel bel mezzo di una stringa più letterale probabilmente causerà un errore di sintassi (stringa nonterminata letterale). ³

Anche se credo che questo non posa una minaccia XSS, è ancora una buona idea aggiungere regole aggiuntive per l'uso in tag <script>.

.
• Sii semplice e codifica tutti i caratteri non "ASCII stampabili" con notazione \u. Quei personaggi non sono comuni per cominciare. Se ti piace, potresti aggiungere all'elenco Bianco, ma consiglio un approccio di listino BIANCO.
• Nel caso in cui non si sia a conoscenza, non dimenticare Informazioni su </scripttagCode (non sensibile al maiuscolo / minuscolo), quale potrebbe causare l'iniezione dello script HTML alla tua pagina con i caratteri </script><script src=http://tinyurl.com/abcdef>. Nessuno di questi personaggi è per impostazione predefinita codificata in JSON.

Answer 1

Will Character.isISOControl(...) do? Incidentally, UTF-16 is an encoding of Unicode codepoints... Are you going to be operating at the byte level, or at the character/codepoint level? I recommend leaving the mapping from UTF-16 to character streams to Java's core APIs...

Answer 2

Even if it's not very specific, I would assume that they refer to the "control" character category from the Unicode specification.

In Java, you can check if a character c is a Unicode control character with the following expression: Character.getType(c) == Character.CONTROL.

Answer 3

I believe the Unicode definition of a control character is:

The 65 characters in the ranges U+0000..U+001F and U+007F..U+009F.

That's their definition of a control code, but the above is followed by the sentence "Also known as control characters.", so...

Answer 4

I know the question has been asked a couple of years ago, but I am replying anyway, because the accepted answer is not correct.

Character.isISOControl(int codePoint) 

does the following check:

(codePoint >= 0x00 && codePoint <= 0x1F) || (codePoint >= 0x7F && codePoint <= 0x9F);

The JSON specification defines at https://tools.ietf.org/html/rfc7159:

7. Strings

   The representation of strings is similar to conventions used in the C family of programming languages. A string begins and ends with quotation marks. All Unicode characters may be placed within the quotation marks, except for the characters that must be escaped: quotation mark, reverse solidus, and the control characters (U+0000 through U+001F).

Character.isISOControl(int codePoint) 

will flag all characters that need to be escaped (U+0000-U+001F), though it will also flag characters that do not need to be escaped (U+007F-U+009F). It is not required to escape the characters (U+007F-U+009F).