这个preg_replace有什么作用？ (/[\xF0-\xF7].../)

Question

显然 $data 是字符串，我们要删除满足 reg 表达式的字符，但是 /[\xF0-\xF7].../ 指定了哪些字符？

 preg_replace('/[\xF0-\xF7].../', '', $data)

还有这些字符被替换的意义是什么？

编辑赏金：具体来说，这是试图防止发生什么漏洞？这些数据稍后用于 mysql 查询（非 pdo），所以我推测这些字符可能涉及某种注入攻击？或不？我试图理解我正在阅读的脚本中这行代码背后的逻辑。

Answer 1

它从 unicode 字符串中删除 4 字节序列。在这些中，第一个字节始终是

[\xF0-\xF7]

，三个点是其余 3 个字节。

根据http://dev.mysql.com/doc/refman/5.5/en/charset-unicode-utf8mb4.html：

名为 utf8 的字符集每个字符最多使用三个字节，并且仅包含 BMP 字符。

选择 utf8 编码的 MySQL 可能会在序列出现的位置截断文本，如果错误报告未设置为

strict_trans_tables

，它可能会默默地执行此操作，而不是抛出像

SQLSTATE[HY000]: General error: 1366 Incorrect string value:

这样的错误。

请参阅这些以供进一步参考：

• http://fluxbb.org/development/core/tickets/485/
• https://core.trac.wordpress.org/ticket/13590
• http://wordpress.org/plugins/full-utf-8/

潜在的截断可能会导致利用。

例如，有一个网站，用户名为

admin

。网站允许任何人注册。使用截断的字符串，人们可能能够插入另一个带有不同电子邮件的

admin

，绕过唯一检查。然后暂停帐户并尝试使用恢复程序。它将发出类似

SELECT * FROM users WHERE name = 'admin'

的查询，并且由于原始管理员是第一个记录，攻击者将恢复他的密码。

Answer 2

它匹配 8 个字节值之一，加上后面的任何 3 个字符，并删除 4 个字符的块。你说的这么多你已经知道了。不幸的是，如果没有更多上下文，我们无法告诉您“为什么”这些特定的 8 个字节很重要。就其本身而言，它们是无害的，无论它们代表什么字符字形（字符编码）。我最好的猜测是，在应用程序中，这来自于这 8 个字符作为某种标记具有一定的意义。 0xF0是11110xxx，32位（4字节）UTF-8字符的第一个字节，所以也许是删除所有32位UTF-8字符？ 16 和 24 位字符（110xxxxx 和 1110xxxx 第一个字节）是否有类似处理？

Answer 3

preg_replace('/[\xF0-\xF7].../', '', $data)

替换：

(xF0 到 xF7) + 三个带有空字符串的下一个字符（+ 符号代表串联，而不是加法）

Answer 4