Telegram游戏Bot特殊用户名致HTML标记失效问题求助

问题背景 #

我用python-telegram-bot框架（Python 3.10.12）开发了一款Telegram游戏Bot，核心功能是根据用户的名-姓组合生成按分数排序的聊天用户排行榜，每个用户姓名都对应跳转链接。代码里已经默认对姓名做了HTML转义，但遇到包含特殊字符的用户名（比如$̴̢̛̙͈͚̎̓͆͑.̸̱̖͑͒ ̧̡͉̺̬͎̯.̸̧̢̠̺̮̬͙͛̓̀̐́.̵̦͑̉͌͌̎͘ ̞ ̷̡͈̤̓̀͋͗͊̈́̑̽͝）时，Telegram解析HTML标记出现异常：链接会溢出到无关字符，<b>标签也直接失效。

是不是Telegram的Bug？ #

这大概率是Telegram HTML解析器对**Unicode组合字符（比如变音符号、修饰符）**处理不当导致的缺陷。这类特殊字符属于非基础Unicode字符，Telegram的解析器在处理时没能正确区分基础字符和附加的修饰符号，导致HTML标签的边界被错误识别，进而引发链接溢出、格式失效的问题。官方短期内未必会修复这类小众场景的问题，所以得自己做规避处理。

规避方案 #

1. 过滤危险的Unicode组合字符 #

直接移除所有非基础的Unicode组合标记（Unicode类别为Mn的字符），只保留常规字母、数字和常见符号。虽然会改变用户名的显示，但能彻底避免解析异常：

import unicodedata

def sanitize_username(username):
    # 过滤所有Unicode组合标记类字符
    return ''.join(c for c in username if unicodedata.category(c) != 'Mn')

2. 转义后截断内容 #

如果不想完全移除字符，可以先做HTML转义，再限制显示的用户名长度，减少异常出现的概率：

from telegram.utils.helpers import escape_html

def safe_format_username(username):
    escaped_name = escape_html(username)
    # 截断过长内容，避免解析逻辑过载
    return escaped_name[:30] + '...' if len(escaped_name) > 30 else escaped_name

3. 改用MarkdownV2格式 #

python-telegram-bot支持MarkdownV2格式，其转义规则和HTML不同，对特殊字符的兼容性更好。可以尝试用这种格式生成链接和加粗效果：

from telegram.utils.helpers import escape_markdown_v2

def format_with_markdown(username, user_id):
    escaped_name = escape_markdown_v2(username)
    # 生成MarkdownV2格式的用户跳转链接
    return f"[{escaped_name}](tg://user?id={user_id})"

注意MarkdownV2的转义规则更严格，必须使用框架提供的escape_markdown_v2工具函数处理特殊字符。

关于编码问题 #

这不是UTF-8/UTF-16的编码问题，这些特殊字符本身是合法的Unicode字符，UTF-8/UTF-16都能正确存储。问题根源在Telegram的解析逻辑，而非编码本身。

内容的提问来源于stack exchange，提问作者winwin