JavaScript 从字符串中删除零宽度空间（unicode 8203）

Posted 2023-02-24

【中文标题】JavaScript 从字符串中删除零宽度空间（unicode 8203）

【英文标题】：JavaScript remove ZERO WIDTH SPACE (unicode 8203) from string

【发布时间】：2014-08-04 00:08:12

【问题描述】：

我正在编写一些处理网站内容的 javascript。当用户按下退格键时，SharePoint 文本编辑器倾向于在文本中放置“零宽度空格”字符，这阻碍了我的努力。 字符的 unicode 值为 8203，或十六进制的 B200。我尝试使用默认的“替换”功能来摆脱它。我尝试了很多变体，但都没有奏效：

var a = "o​m"; //the invisible character is between o and m

var b = a.replace(/\u8203/g,'');
= a.replace(/\uB200/g,'');
= a.replace("\\uB200",'');

等等等等。我已经尝试了很多关于这个主题的变体。这些表达式都不起作用（在 Chrome 和 Firefox 中测试）唯一起作用的是在表达式中输入实际字符：

var b = a.replace("​",''); //it's there, believe me

这会带来潜在的问题。该字符是不可见的，因此该行本身没有意义。我可以用 cmets 解决这个问题。但是，如果代码被重复使用，并且文件是使用非 Unicode 编码保存的，（或者当它部署到 SharePoint 时，不能保证它不会弄乱编码），它将停止工作。有没有办法使用 unicode 表示法而不是字符本身来编写它？

[我对这个角色的漫谈]

如果您还没有遇到过这个角色（而且您可能还没有遇到过，因为肉眼看不到它，除非它破坏了您的代码并且您在尝试定位错误时发现了它）它是一个真正的- 会导致某些类型的模式匹配出现故障的孔。我已经为你把野兽关在笼子里了：

[​]

如果您想查看它，请将这些括号复制到文本编辑器中，然后通过它们迭代您的光标。您会注意到您需要三个步骤来传递看似 2 个字符的内容，并且您的光标会在中间跳过一个步骤。

【参考方案1】：

unicode转义中的数字应该是十六进制的，8203的十六进制是200B（确实是Unicode zero-width space），所以：

var b = a.replace(/\u200B/g,'');

Live Example:

var a = "o​m"; //the invisible character is between o and m
var b = a.replace(/\u200B/g,'');
console.log("a.length = " + a.length);      // 3
console.log("a === 'om'? " + (a === 'om')); // false
console.log("b.length = " + b.length);      // 2
console.log("b === 'om'? " + (b === 'om')); // true

【讨论】：

谢谢，你是救命稻草！

【参考方案2】：

接受的答案不适用于我的情况。

但是这个做到了：

text.replace(/(^[\s\u200b]*|[\s\u200b]*$)/g, '')

【讨论】：

这里也一样！知道为什么吗？尝试了大量的正则表达式解决方案无济于事，而你的工作:)