# 隐藏字符清理器：具体删除什么，漏掉什么

> 每个选项背后的确切字符列表、真实案例的计算结果、表情符号以及波斯语、印度系文字的连接符默认如何保留，以及本工具仍然不会处理的少数不可见字符。

- Tool: [隐藏字符清理器](https://toolsg.com/zh/hidden-character-cleaner)
- Language: zh (available: en, zh, ms, ta)
- Last verified against official sources: 2026-10-20
- Source site: ToolSG — a planning guide, not official or financial advice. Cite the agencies listed under Sources.

## 关键数字一览

| 项目 | 数值 | 来源 |
| --- | --- | --- |
| 零宽选项 | U+200B、U+2060，以及表情符号和非拉丁文字词之外的 U+200C / U+200D — 默认情况下，ZWJ 和 ZWNJ 会保留在表情符号序列内以及非拉丁字母之间（波斯语、泰米尔语）；取消勾选“保留 ZWJ/ZWNJ”则全部删除。 |  |
| BOM 选项 | 文本中任何位置的 U+FEFF — 字节顺序标记只在文件开头才有意义。 |  |
| 控制字符 | C0 和 C1 控制字符，制表符、换行符和回车符除外 — 包括 U+0000 至 U+0008、U+000B、U+000C、U+000E 至 U+001F 以及 U+007F 至 U+009F；U+2028 和 U+2029 会变成换行。 |  |
| 仍不会删除 | 其他特殊空格、不可见运算符、变体选择符等 — 在认定文本完全干净之前，请先看下面的列表。 |  |

## 按钮做什么

**突出显示隐藏字符**会把已勾选选项匹配到的每个字符替换成红色的 `[•]` 标记显示出来，并报告找到多少个。**清理文本**返回不含这些字符的文本。不会上传任何内容。两者都只处理已勾选的选项；“规范化空白字符”默认关闭，且只影响清理。

> **提示：** “复制”和“下载”始终使用清理后的文本，绝不会是 `[•]` 标记。如果在突出显示的状态下点击“复制”，工具会复制应用了已勾选选项的文本，并在状态栏里说明。先突出显示看看会删掉什么，再复制或点击“清理文本”。

## 每个选项删除什么

| 选项（默认） | 字符 |
| --- | --- |
| 零宽字符（开） | U+200B 零宽空格、U+2060 词连接符，以及 U+200C 零宽不连字 / U+200D 零宽连字（被保留的除外，见下一行） |
| 保留 ZWJ/ZWNJ（开） | 零宽字符的子选项。保留表情符号之间的 U+200D（它前面是表情、变体选择符或肤色修饰符，后面是表情），并在两侧字母都不是拉丁字母时（波斯语、乌尔都语、泰米尔语、印地语等）保留 U+200C / U+200D |
| BOM（开） | 文本中任何位置的 U+FEFF |
| 控制字符（开） | U+0000 至 U+0008、U+000B、U+000C、U+000E 至 U+001F、U+007F 至 U+009F（除制表符、LF、CR 之外的全部）。U+2028 行分隔符和 U+2029 段分隔符不会被删除，而是替换成一个换行 |
| 不可见 Unicode 字符（开） | U+00AD 软连字符、U+034F 组合字素连接符、U+061C 阿拉伯字母标记、U+115F 和 U+1160 韩文填充符、U+3164 韩文填充符、U+17B4 和 U+17B5 高棉固有元音、U+180E 蒙古文元音分隔符。U+00A0 不间断空格不会被删除，而是替换成普通空格 |
| 方向标记（开） | U+200E、U+200F、U+202A 至 U+202E（嵌入、覆盖和弹出控制符），以及双向隔离符 U+2066 至 U+2069 |
| 规范化空白字符（关） | 每一段空格和制表符变成一个空格；三个或更多连续换行变成两个 |

## 计算结果

以下结果由页面自己的代码在默认选项下得出：

| 输入 | 发现 | 结果 |
| --- | --- | --- |
| `pass` U+200B `word` | 1 | `password` |
| U+FEFF `id,name` | 1 | `id,name` |
| `co` U+00AD `operate` | 1 | `cooperate` |
| `invoice` U+202E `txt.exe` | 1 | `invoicetxt.exe` |
| `a` U+0007 `b` U+0000 `c` | 2 | `abc` |
| `a` 制表符 `b` LF `c` CR `d` | 0 | 不变（制表符、LF 和 CR 被保留） |
| `a` U+0085 `b` | 1 | `ab`（U+0085 下一行属于 C1 控制字符） |
| `one` U+00A0 `two` | 1 | `one two`（普通空格） |
| `a` U+2028 `b` U+2029 `c` | 2 | `a`、换行、`b`、换行、`c` |
| `a` U+2060 `b` | 1 | `ab` |
| `a` U+2066 `b` U+2069 `c` | 2 | `abc` |
| `a` U+3164 `b` | 1 | `ab` |
| `👨‍👩‍👧`（家庭表情） | 0 | 不变 |
| `می‌خواهم`（波斯语“我想要”） | 0 | 不变 |
| `ab` U+200D `cd` | 1 | `abcd` |

从右向左覆盖的例子，正是文件名和源代码伪装所用的手法（“Trojan Source”攻击，CVE-2021-42574，利用的就是双向控制字符）。清理会删除这个控制符，但你仍应把该来源视为不可信。

## 表情符号、波斯语和印度系文字

U+200D（零宽连字）是家庭表情等序列中的“胶水”，U+200C（零宽不连字）则是波斯语和部分印度系文字拼写的一部分。盲目删除会破坏这类文本，所以默认开启的**保留 ZWJ/ZWNJ** 选项会在它们真正起作用的地方保留它们：

- `👨‍👩‍👧`（五个码位）和 `🏳️‍🌈`（彩虹旗）保持完整。
- `می‌خواهم` 保留半空格，`க்‍ஷ` 保留连接符。
- 同样的连接符出现在拉丁字母之间（`ab` U+200D `cd` 变成 `abcd`）、文本开头或结尾，或紧挨着空格和数字时，会被删除。
- 取消勾选**保留 ZWJ/ZWNJ** 会删除所有连接符：家庭表情会拆成三个独立表情 `👨👩👧`，`می‌خواهم` 变成字母连在一起的 `میخواهم`。

这条规则是根据两侧字符做出的判断，不是语言检测。如果某段拉丁字母文本是有意使用 ZWNJ，请取消勾选整个零宽选项。

## 其他副作用

- **不间断空格会变成普通空格。** 法语等排版会有意在 `!`、`?`、`:`、`;` 前使用 U+00A0。如果想保留它，请取消勾选**不可见 Unicode 字符**，代价是该列表里的其他不可见字符也会保留。
- **软连字符** U+00AD 只表示单词可以在此断开，所以通常删除即可。
- **空白规范化比较粗暴。** 它把制表符变成空格，因此用制表符缩进的代码会丢失制表符，而且不会去掉行尾空格。
- 统计：**总字符数**是 JavaScript 字符串长度（UTF-16 码元，`🙂` 算 2）。**已删除**是长度之差，所以被换成普通空格的不间断空格会被发现但不算“已删除”，开启规范化时则包括被压缩的空格。

## 本工具不会删除的隐藏字符

即使勾选所有选项，下列字符也不会被处理：

- 其他特殊空格：U+2000 至 U+200A、U+202F、U+205F 和 U+3000。（[复制粘贴清理器](https://toolsg.com/zh/copy-paste-sanitizer)的“删除非 ASCII 字符”选项会把它们变成普通空格。）
- 不可见运算符 U+2061 至 U+2064
- 表情变体选择符，如 U+FE0F
- 看起来是空白的字符，如 U+2800 盲文空白和 U+FFA0 半角韩文填充符
- 标签字符（U+E0000 范围）

这些字符请用编辑器处理，并用[文本转十六进制](https://toolsg.com/zh/text-to-hex)之类的十六进制视图检查剩下的内容。

## 隐藏字符从哪里来

从网页、PDF、聊天应用和文字处理软件复制，把电子表格导出为带 BOM 的 UTF-8，以及从右向左文本的编辑，都是常见来源。BOM（U+FEFF）作为文件的第一个字符是合法的，此时它表示 UTF-8（见 Unicode FAQ）；出现在文本中间时，它相当于零宽不换行空格。

## 常见错误

- 取消勾选“保留 ZWJ/ZWNJ”之后，再去清理含表情符号或波斯语的文本。
- 以为不间断空格会被删除；它其实变成普通空格。
- 以为“未发现隐藏字符”就表示文本没有任何不可见字符。
- 以为它会去掉制表符、换行或双空格；除非开启规范化，否则不会，而且制表符和换行永远不会被删除。

## 相关工具

[Unicode 探索器](https://toolsg.com/zh/unicode-explorer)一次识别一个字符。[文本对比](https://toolsg.com/zh/text-diff)显示两个版本之间不可见的差异。[字数统计工具](https://toolsg.com/zh/word-counter)可通过异常的计数发现隐藏字符。[HTML 实体编码器](https://toolsg.com/zh/html-entity-encoder)可把不可见字符变成可见的引用。

## 常见问题

**什么是隐藏字符？**

隐藏字符是没有可见表示但存在于文本中的 Unicode 字符。常见示例包括零宽空格（ZWSP）、字节顺序标记（BOM）和控制字符。这些可能导致文本处理、代码执行、数据验证等问题。

**为什么我应该删除隐藏字符？**

应该删除隐藏字符，因为它们会破坏代码语法、导致数据导入失败、阻止文本在搜索中匹配、触发验证错误以及在应用程序中导致意外行为。它们在从网站或 PDF 复制文本时特别有问题。

**我的文本数据是否会发送到任何服务器？**

不，绝对不会。所有文本处理都完全在您的 Web 浏览器中使用 JavaScript 进行。您的数据永远不会离开您的设备，使这个工具对敏感文档、源代码、API 密钥和机密内容完全安全。

**我如何知道我的文本是否有隐藏字符？**

使用"突出显示隐藏字符"按钮以可视化方式标记隐藏字符在文本中的位置（以红色显示）。统计面板还显示检测到的隐藏字符计数。如果文本行为异常或字符计数不匹配，则可能包含隐藏字符。

**ZWSP、ZWNJ 和 ZWJ 有什么区别？**

零宽空格（ZWSP）允许在没有可见空格的情况下换行。零宽非连接符（ZWNJ）防止复杂脚本中的字符连接。零宽连接符（ZWJ）强制字符连接，特别是在表情符号中。所有这些都是不可见的，但具有不同的格式目的。

**清理会删除我所有的空格吗？**

不会，此工具仅删除不可见和隐藏的字符。普通空格、换行符和制表符会保留，除非您启用"规范化空白字符"选项，该选项仅删除过多的空白字符，同时保持文本可读。不间断空格（U+00A0）会被换成普通空格而不是直接删除，所以单词不会粘在一起。

**我可以使用此工具清理代码吗？**

是的，此工具非常适合清理从 Stack Overflow、文档网站或其他可能包含隐藏字符的来源复制的代码。它会删除有问题的字符，同时保留代码格式和常规空格。

**什么是字节顺序标记（BOM）？**

BOM（U+FEFF）是放置在文本文件开头的特殊字符，用于指示字节顺序编码。虽然对某些应用程序有用，但 BOM 经常在编程语言、API 和 Web 应用程序中导致解析错误，因此经常被删除。

**为什么网站会添加隐藏字符？**

网站使用隐藏字符进行正确的文本呈现、换行和国际化支持。但是，当您从网站复制文本时，这些格式字符会一起复制，并且在粘贴到代码编辑器、表单或数据库中时可能会导致问题。

**此工具会损坏我的文本吗？**

不会，此工具仅删除不可见字符，同时保留所有可见内容。默认情况下，ZWJ 和 ZWNJ 会保留在表情符号序列内以及波斯语、泰米尔语等非拉丁文字的字母之间，其他位置的会被删除；取消勾选“保留 ZWJ/ZWNJ”则全部删除。开启该选项时，其他零宽字符始终会被删除，如果不确定，请保留备份。

**隐藏字符如何进入我的文本？**

隐藏字符通常通过从网站、PDF、Microsoft Word 文档或富文本编辑器复制粘贴进入文本。当文件以某些编码保存或文本由翻译工具或内容管理系统处理时，它们也可能出现。

**每次从网站复制时都需要清理文本吗？**

并非总是如此，但建议用于关键用例，如代码、电子邮件地址、API 请求、数据导入或表单提交。对于休闲文本，隐藏字符通常不会导致问题。如有疑问，请使用此工具进行快速检查。


## 资料来源

- [Unicode FAQ — UTF-8, UTF-16, UTF-32 and BOM](https://www.unicode.org/faq/utf_bom.html) — Explains U+FEFF as a signature and as ZERO WIDTH NO-BREAK SPACE.
- [Unicode UTS #51 — Unicode Emoji](https://www.unicode.org/reports/tr51/) — ZWJ sequences form single emoji; without ZWJ they fall back to separate emoji.
- [Unicode UAX #9 — Bidirectional Algorithm](https://www.unicode.org/reports/tr9/)
- [Trojan Source (CVE-2021-42574)](https://trojansource.codes/) — Attack that hides code logic using bidirectional control characters.
