你很可能遇到过这个 bug：从文档页复制一条命令，粘到终端里执行，结果失败了。命令看上去完全正确，你用手再敲一遍，却成功了。 问题不在你的操作，而在于你复制的命令里混进了一个隐形字符：U+00A0 NO-BREAK SPACE。它看起来和普通空格一样，但 shell 把它当成另一个 token。你的眼睛分辨不出差别，程序却严格区分。 这不是孤例，而是一整族以“看不见”为特征的 bug。于是很多人会想到写一个“清洁器”，把所有不可见字符删掉。这个方向，恰恰是最容易出错的地方。 最常见的实现是黑名单式清理： ```js const clean = s => s.replace(/[\u200B-\u200D\u2060\uFEFF\u00AD]/g, ""); ``` 这段代码看起来干净利落，但跑一下这个字符串： ```js clean("\u{1F468}\u200D\u{1F469}\u200D\u{1F466}"); // 输入： 一个家庭 emoji // 输出： 三个单独的人，两个连接符都被删了 ``` U+200D ZERO WIDTH JOINER 在那里并不是垃圾，它恰恰是 emoji 序列得以组成一个家庭的机制。把它删掉，你就在用户看不见的地方改写了内容。 更严重的问题发生在真实语言里。波斯语、阿拉伯语、以及多种印度文字中，U+200C 和 U+200D 承担着实际的拼写功能。比如波斯语表示“我读”的单词： ```js const persian = "\u0645\u06CC\u200C\u062E\u0648\u0627\u0646\u0645"; clean(persian); // 删除 U+200C 后，拼写从“میخوانم”变成了另一种写法 ``` 在梵文天城体里，U+0915、U+094D、U+200D、U+0937 组合出来的连字，和去掉连接符后的内容是两个不同的字形。一个删除零宽字符的“清洁器”不是在清理，是在毁坏内容。最可怕的是，因为这些字符不可见，没人会立刻发现，直到问题在很远的地方爆出来。 正确的修复思路，不是把某个码点位看作“本质上的垃圾”，也不是让一份黑名单替所有语言做决定。真正的做法是，理解你正在处理的内容是什么：如果它是 shell 命令，就去检查是否有非法空白；如果它是文本或 emoji，就不要用粗暴的字符清理解析它。必要时按上下文判断，而不是在不知道字符用途的情况下，删掉所有“看不见的东西”。 隐形字符不是洪水猛兽，真正危险的是我们以为它们毫无意义。
热门跟贴