Zeicheneinschränkung (UTF-8) bei Webapplikationen

Hallo,

ich beschäftige mich als Laie grad mit der Thematik, wie ich bei einem Webformular (zB Registrierungsformular) einschränken soll, welche Zeichen dort der User eingeben kann.

Beispiel: Russischer Tourist registriert sich auf einer Website und gibt kyrillische Schriftzeichen in den Feldern Vor/Nachname usw. ein und das ganze wird dann an die Kundendatenbank im Hintergrund weitergeleitet. Wenn das Webformular und die DB im Hintergrund UTF-8 unterstützen, sollte das ja technisch ja einwandfrei gehen, oder?

Das entstehende Problem, welches ich hier sehe: Der Backoffice Mitarbeiter im Hintergrund hat dann auf einmal mit chinesischen, kyrillischen uvm. Schriftzeichen in der Kundendatenbank zu kämpfen, welcher er/sie nicht einmal auf der Tastatur vorfindet. Das kanns ja auch nicht sein?

Wie kann ich nun einschränken, dass der User nur bestimmte Zeichen eingeben darf? Was ist hier State-of-the-Art? Habe zB diese ISO Norm hier gefunden? https://de.wikipedia.org/wiki/ISO_8859-15

Sorry für die laienhafte Formulierung, ich bin da in das Thema reingerutscht und versuch mich gerade zurecht zu finden.

Danke für euren Input!

du kannst theoretisch vor dem schreiben in die Datenbank noch via RegEx abfragen, ob nur a-z A-Z und 0-9 plus halt -., usw in den Textfeldern steht und anderenfalls einen Error zurückwerfen? Das ganze via anderem Zeichensatz lösen bringt dir eine lustige neue Dose Würmer, die du aufmachst, dann hat der Backoffice Mitarbeiter halt nichtmehr Александар in der Datenbank stehen sondern ?????????.

Regex ist auch immer ein guter Tipp, ja. Aber nochmal, wie ist euer Formular technisch umgesetzt?

Wenn du gar nicht so weit involviert bist, kannst du es eh nicht umsetzen und das ist etwas, worüber sich die Entwickler Gedanken machen sollten. Liferay ist anscheinend Java.

Pinyin ist die romanische Übersetzung von chinesischen Schriftzeichen (in die englische Aussprache), eine Pinyin Eingabe wäre also kein Problem .

Ah, Joel on Software, da denke ich immer an den guten Artikel, warum man Software nicht immer gleich neu schreiben sollte .

Wenn ich das Thema nochmals aufmachen darf und man jetzt weniger den technischen Background betrachtet:

Bei den ÖBB kann man tatsächlich den kompletten Unicode Zeichensatz im Userprofil eingeben:


Was hat das bitte für Auswirkungen auf die nachgelagerten Systeme und Prozesse? Man holt sich dadurch ja potentiell viel Müll in die Systeme. Ich denke da an den armen Backoffice Mitarbeiter, der die Namen nicht mehr finden kann und die Druckerei der Vorteilscards, welche nur mehr Kästchen auf die Karte druckt.

Das ist nicht das Problem, das Garrett beschreibt bzw. meint. Angenommen, der User mit dem Penis/Eierfrucht-Emoji meldet sich bei einem Hotline-Mitarbeiter - wie wird der jemals einen Substring des angegebenen Namens in die Suchmaske in deren Backoffice-Anwendung eingeben koennen? Da fehlt "uns" in Mitteleuropa alleine schon die verbale Uebertragungsmoeglichkeit fuer die so kodierte Information.

Gerade in der Informatik ist "Unicode ueberall" in meiner ueber die Jahre gereiften Wahrnehmung oft mehr Problem als Loesung. Alleine die Tatsache, dass man sich mit unterschiedlichen Normalization Forms herumschlagen muss, ist ein riesiges Problem - u. a. deshalb, weil viele Softwareentwickler das gar nicht wissen, und es deshalb nicht tun Gepaart mit den auch im Jahr 2020 riesigen Unterschieden und Schwierigkeiten bei der Vollstaendigkeit der Implementierung in verschiedenen Programmiersprachen, Laufzeitumgebungen und z. B. auch Datenbanken stellt einen "korrekter" Unicode-Support oft vor in Wahrheit unloesbare (und oft auch sinnlose) Aufgaben.