零宽空格（u+200b）是合法unicode控制字符，但属需主动清理的干扰字符；可通过json编码、长度比对、编辑器显示或正则探测识别，并在用户提交、入库前、日志处理及敏感词匹配前统一过滤。
零宽空格（U+200B）不是“非法字符”，而是合法的 Unicode 控制字符，但它在多数业务场景中属于**需主动清理的干扰字符**——它不显示、占长度、破坏匹配、引发存储或解析异常。识别和过滤的关键在于：先精准定位，再按需清除。
一、快速识别零宽空格的几种实用方式
不用依赖专业工具，日常开发中就能高效发现：
-
用 JSON 编码暴露：将字符串传入
json_encode()（PHP）、JSON.stringify()（JS）或ObjectMapper.writeValueAsString()（Java），零宽空格会显形为u200b； -
检查字符串长度与视觉长度差异：比如肉眼看到 5 个字，但
.length返回 8，多出的 3 位极可能是零宽字符； - 用支持显示不可见字符的编辑器打开：如 VS Code（开启 "Render Whitespace"）、Notepad++（视图 → 显示符号 → 显示所有字符）、Sublime Text（View → Characters → Show All Characters）；
-
正则匹配探测：在控制台或调试器中运行
/[u200Bu200Cu200DuFEFFu2028u2029]/.test(str)，返回true即存在常见零宽字符。
二、主流语言中过滤零宽空格的写法
过滤目标通常包括 U+200B（ZWSP）、U+200C（ZWNJ）、U+200D（ZWJ）、U+FEFF（BOM）、U+2028/2029（分隔符）等。以下为简洁可靠的写法：
-
JavaScript：
str.replace(/[u200B-u200DuFEFFu2028u2029]/g, '')； -
Java：
str.replaceAll("[\u200B-\u200D\uFEFF\u2028\u2029]", "")； -
C#：
Regex.Replace(str, @"[u200B-u200DuFEFFu2028u2029]", "")； -
PHP：
preg_replace('/[x{200B}-x{200D}x{FEFF}x{2028}x{2029}]/u', '', $str)； -
MySQL（UPDATE 场景）：
UPDATE table SET content = REGEXP_REPLACE(content, '[\u200B-\u200D\uFEFF\u2028\u2029]', '');（MySQL 8.0+ 支持）
三、过滤时机比写法更重要
零宽空格常来自复制粘贴、AI 生成内容、富文本编辑器（如微信公众号后台）、第三方 API 返回数据。因此建议在以下环节嵌入清洗逻辑：
-
用户提交入口：表单提交时、API 接口接收参数后立即清洗（如 Spring Boot 的
@RequestBody后置处理）； - 数据库入库前：使用 MyBatis TypeHandler 或 JPA @PrePersist 统一过滤；
- 日志/审计文本处理前：避免因隐藏字符导致日志解析失败或长度超限；
- 敏感词匹配前：必须先移除零宽字符，否则精确匹配和哈希校验都会失效。
四、特别注意 BOM 字符（U+FEFF）
文件开头的 uFEFF 常被误认为“空白”，实为字节顺序标记（BOM）。Maven 编译报错 illegal character: ufffe、Java 文件读取异常、JSON 解析失败，往往就是它在作怪。解决方法：
- 用编辑器另存为 UTF-8 without BOM；
- 命令行批量清除：
sed -i '1s/^//' *.java（Linux/macOS）； - 代码中提前截断：
if (str.startsWith("uFEFF")) str = str.substring(1);。
