设置字符白名单 - 中文在 Uniccode 的范围，以及 中文转成int后的范围

今天在解决系统安全漏洞及代码安全漏洞。需要设置一个允许输入的字符白名单。

因为用户可以输入 中文、大写英文、小写英文、数字、以及常规字符。

有些资料内查询的中文在 unicode编码 范围为：\u4E00-\u9FA5  这个范围为基本汉字。（文末附更多中文字符集）

\u4E00  这个怎么看，以前没有具体看过，今天分析了一下豁然开朗，原来这么简单。 

unicode百度百科

\u4E00  分为两部分  \u  和 4E00  

\u 为 unicode编码的意思

4E00  是十六进制数

可以将十六进制通过工具转换成10进制        在线进制转换工具

4E00转换为十进制为：19968

9FA5转换为十进制为：40869

换句话说基本中文转成十进制范围19968-40869

可以自己写个main方法测试一下、

一：将unicode编码 \u4E00 通过工具转成中文得到的是“一”。            Unicode在线转换工具

二：写个main方法将十进制19968转换成char输出。输出的也是 “一”

三：通过以上方法即可将中文在unicode编码的范围，转成在数值中的范围，这样就得到了中文转成数值后的范围了。

	public static void main(String[] args) {
		System.out.println("数值的19968对应的char="+(char)19968);
	}

所以根据以上内容自己写了一个白名单过滤字符串工具类。

package cdb.hq.litsoft.bjyl.connector.util;

public class StringWhiteList {
	public static String cleanString(String aStr){
		if(aStr==null) return null;
		String cleanString="";
		for(int i=0;i<aStr.length();i++){
			cleanString+=cleanChar(aStr.charAt(i));
		}
		return cleanString;
	}

	public static char cleanChar(char aChar) {
		// 0-9
		for(int i=48;i<=57;i++){
			if(aChar==i){return (char)i;}
		}
		// 'A'-'Z'
		for(int i=65;i<=90;i++){
			if(aChar==i){return (char)i;}
		}
		// 'a'-'z'
		for(int i=97;i<=122;i++){
			if(aChar==i){return (char)i;}
		}
		// 中文
		for(int i=19968;i<=40879;i++){
			if(aChar==i){System.out.println((char)i+"对应的int值="+i);return (char)i;}
		}
		//特殊字符
		switch (aChar) {
			case '/':return '/';
			case '.':return '.';
			case '-':return '-';
			case '_':return '_';
			case ' ':return ' ';
		}
		return '%';
	}
	
	public static void main(String[] args) {
		System.out.println(StringWhiteList.cleanString("0Aa中文/.-_ "));
		System.out.println(StringWhiteList.cleanString("0Aa中文/.-_ !?？"));
		System.out.println("符号!对应的int="+(int)'!');
		System.out.println("符号？对应的int="+(int)'？');
		System.out.println("int的19968对应的char="+(char)19968);
		System.out.println("int的40879对应的char="+(char)40879);
	}
}

 

中文在unicode编码中的范围如下：

字符集	字数	Unicode 编码
基本汉字	20902字	4E00-9FA5
基本汉字补充	74字	9FA6-9FEF
扩展A	6582字	3400-4DB5
扩展B	42711字	20000-2A6D6
扩展C	4149字	2A700-2B734
扩展D	222字	2B740-2B81D
扩展E	5762字	2B820-2CEA1
扩展F	7473字	2CEB0-2EBE0
扩展G	4939字	30000-3134A
康熙部首	214字	2F00-2FD5
部首扩展	115字	2E80-2EF3
兼容汉字	477字	F900-FAD9
兼容扩展	542字	2F800-2FA1D
PUA(GBK)部件	81字	E815-E86F
部件扩展	452字	E400-E5E8
PUA增补	207字	E600-E6CF
汉字笔画	36字	31C0-31E3
汉字结构	12字	2FF0-2FFB
汉语注音	43字	3105-312F
注音扩展	22字	31A0-31BA
〇	1字	3007