我测试怎么我的一些代码处理坏数据，我需要几个系列是无效的UTF-8字节。
你可以张贴一些，最好，为什么他们是坏的/你得到了他们的解释？
Answer 1:
看看马库斯·库恩的UTF-8解码能力，压力测试文件
你会发现许多UTF-8违规的例子，包括寂寞开始字节，字节延续失踪，超长序列等。
Answer 2:
在PHP：
$examples = array(
'Valid ASCII' => "a",
'Valid 2 Octet Sequence' => "\xc3\xb1",
'Invalid 2 Octet Sequence' => "\xc3\x28",
'Invalid Sequence Identifier' => "\xa0\xa1",
'Valid 3 Octet Sequence' => "\xe2\x82\xa1",
'Invalid 3 Octet Sequence (in 2nd Octet)' => "\xe2\x28\xa1",
'Invalid 3 Octet Sequence (in 3rd Octet)' => "\xe2\x82\x28",
'Valid 4 Octet Sequence' => "\xf0\x90\x8c\xbc",
'Invalid 4 Octet Sequence (in 2nd Octet)' => "\xf0\x28\x8c\xbc",
'Invalid 4 Octet Sequence (in 3rd Octet)' => "\xf0\x90\x28\xbc",
'Invalid 4 Octet Sequence (in 4th Octet)' => "\xf0\x28\x8c\x28",
'Valid 5 Octet Sequence (but not Unicode!)' => "\xf8\xa1\xa1\xa1\xa1",
'Valid 6 Octet Sequence (but not Unicode!)' => "\xfc\xa1\xa1\xa1\xa1\xa1",
);
从http://www.php.net/manual/en/reference.pcre.pattern.modifiers.php#54805
Answer 3:
，̆特别邪恶。 我认为这是在Ubuntu结合。
逗号短
Answer 4:
的病态的字节序列的模式的想法可以从合式字节序列的表中可以得到。 请参阅“ 表3-7。良构的UTF-8字节序列的Unicode标准6.2”。
Code Points First Byte Second Byte Third Byte Fourth Byte
U+0000 - U+007F 00 - 7F
U+0080 - U+07FF C2 - DF 80 - BF
U+0800 - U+0FFF E0 A0 - BF 80 - BF
U+1000 - U+CFFF E1 - EC 80 - BF 80 - BF
U+D000 - U+D7FF ED 80 - 9F 80 - BF
U+E000 - U+FFFF EE - EF 80 - BF 80 - BF
U+10000 - U+3FFFF F0 90 - BF 80 - BF 80 - BF
U+40000 - U+FFFFF F1 - F3 80 - BF 80 - BF 80 - BF
U+100000 - U+10FFFF F4 80 - 8F 80 - BF 80 - BF
下面是从U + 24B62生成的例子。 我用他们的错误报告： 错误＃65045 mb_convert_encoding断裂以及形成字符
// U+24B62: "\xF0\xA4\xAD\xA2"
"\xF0\xA4\xAD" ."\xF0\xA4\xAD\xA2"."\xF0\xA4\xAD\xA2"
"\xF0\xA4\xAD\xA2"."\xF0\xA4\xAD\xA2"."\xF0\xA4\xAD"
的尾部字节的范围中的过度简单化（[0x80的，为0xBF]）可在各种库看到。
// U+0800 - U+0FFF
\xE0\x80\x80
// U+D000 - U+D7FF
\xED\xBF\xBF
// U+10000 - U+3FFFF
\xF0\x80\x80\x80
// U+100000 - U+10FFFF
\xF4\xBF\xBF\xBF
Answer 5:
模糊测试 - 产生八位字节的随机序列。 最有可能你会得到一些非法序列迟早。
文章来源: Example invalid utf8 string?
