今天用户输入了一段文字:(别辜负了今天。 ),结果触发了业务的产品需求逻辑,不能有四个连续的字符限制,第一眼一看完全没有连续的啊!
初步猜测是末尾有空格,结果进行文本删除的时候,发现只有一个可见的空格,后面末尾出现了四个不可见的0长度的字符,要连续删四次.
首先先进行问题排查
$content="别辜负了今天。 ";
$oriJsonContent = json_encode($content);
echo $oriJsonContent;
-----输出-----
"\u522b\u8f9c\u8d1f\u4e86\u4eca\u5929\u3002 \u200b\u200b\u200b\u200b"
此时就发现了末尾出现了不可见0长度的字符\u200B,那么解决思路就有了,过滤掉这个该死的字符即可解决问题咯
$content = $_POST['content'];
$oriJsonContent = json_encode($content);
if(preg_match("#\\\u200b#us", $oriJsonContent)){
$content = preg_replace("#\\\u200b#us", '', $oriJsonContent);
$content=json_decode($content);
}
PS,这个该死的不可见0宽字符\u200B,还可以用来做改名,比如王者荣耀,和平精英,或者微信改名,可以实现改一样的名字,或者没有任何字的昵称
————————————华丽的分割线———————————————
零宽度字符在JavaScript中的应用
先来看一段奇怪代码
上图的字符串中,只看到了3个字符,打印出的length却是10。因为这个字符串中隐藏了7个不可见零宽度字符。
什么是零宽度字符
一种不可打印的Unicode字符, 在浏览器等环境不可见, 但是真是存在, 获取字符串长度时也会占位置, 表示某一种控制功能的字符.
常见的零宽字符有哪些
零宽空格(zero-width space, ZWSP)用于可能需要换行处。
Unicode: U+200B HTML: ​
零宽不连字 (zero-width non-joiner,ZWNJ)放在电子文本的两个字符之间,抑制本来会发生的连字,而是以这两个字符原本的字形来绘制。
Unicode: U+200C HTML: ‌
零宽连字(zero-width joiner,ZWJ)是一个控制字符,放在某些需要复杂排版语言(如阿拉伯语、印地语)的两个字符之间,使得这两个本不会发生连字的字符产生了连字效果。
Unicode: U+200D HTML: ‍
左至右符号(Left-to-right mark,LRM)是一种控制字符,用于计算机的双向文稿排版中。
Unicode: U+200E HTML: ‎ ‎ 或‎
右至左符号(Right-to-left mark,RLM)是一种控制字符,用于计算机的双向文稿排版中。
Unicode: U+200F HTML: ‏ ‏ 或‏
字节顺序标记(byte-order mark,BOM)常被用来当做标示文件是以UTF-8、UTF-16或UTF-32编码的标记。
Unicode: U+FEFF
零宽度字符在JavaScript的应用
- 数据防爬
将零宽度字符插入文本中,干扰关键字匹配。爬虫得到的带有零宽度字符的数据会影响他们的分析,但不会影响用户的阅读数据。 - 信息传递
将自定义组合的零宽度字符插入文本中,用户复制后会携带不可见信息,达到传递作用。
使用零宽度字符加密解密
信息加密解密的思路是, 把字符串转成二进制0和1, 并用空格把字符隔开, 然后用三种零宽表示0、1、空格, 然后用第四种零宽字符拼起来; 解密反向操作即可.
代码如下:
// str -> 零宽字符
function strToZeroWidth(str) {
return str
.split('')
.map(char => char.charCodeAt(0).toString(2)) // 1 0 空格
.join(' ')
.split('')
.map(binaryNum => {
if (binaryNum === '1') {
return ''; // ​
} else if (binaryNum === '0') {
return ''; // ‌
} else {
return ''; // ‍
}
})
.join('') // ‎
}
// 零宽字符 -> str
function zeroWidthToStr(zeroWidthStr) {
return zeroWidthStr
.split('') // ‎
.map(char => {
if (char === '') { // ​
return '1';
} else if (char === '') { // ‌
return '0';
} else { // ‍
return ' ';
}
})
.join('')
.split(' ')
.map(binaryNum => String.fromCharCode(parseInt(binaryNum, 2)))
.join('')
}
使用:
var str = '我后面藏了零宽字符' + strToZeroWidth('im whosmeya');
//undefined
str
//我后面藏了零宽字符
str.length //不是9
//180
zeroWidthToStr(str.replace(/[^\u200b-\u200f\uFEFF\u202a-\u202e]/g, ""));//解密
//im whosmeya
过滤零宽度字符
excel表格 中经常出现零宽字符 \u202c \u202d, 上传后解析或复制到 input 就会有问题,
例如复制 "176xxxx1115"
到控制台获取 length 是 13 而不是 11, 实际字符串首尾都被 excel 添加了零宽字符 "\u202d176xxxx1115\u202c"
.
所以在 excel表格 中获取到的数据一般需要先过滤.
str.replace(/[\u200b-\u200f\uFEFF\u202a-\u202e]/g, "");
提取零宽度字符
如果用 零宽字符 加密信息后插入了文本中, 解密时需要先吧 零宽字符 提取出来.
str.replace(/[^\u200b-\u200f\uFEFF\u202a-\u202e]/g, "");
_________割__________
/**
* 过滤角标过滤零宽字符
* @author repoman
* @param string $str 需要过滤的字符串
* @param string 过滤后的字符串
*/
public function filter_trademark($str){
$str = json_encode($str,true);//转换为Unicode编码
$patterns = []; //正则表达式
$replacements = []; //替换成的字符
//公共
$patterns[0] = '/®/';
$replacements[0] = '';
//零宽字符​
$patterns[1] = '/​/';
$replacements[1] = '';
//零宽字符​
$patterns[2] = '#\\\u200b#us';
$replacements[2] = '';
$str = preg_replace($patterns, $replacements, $str);
$str = json_decode($str);//解码Unicode编码
return $str;
}