如何移除文本中的Zero width joiner及其他零宽隐形字符？

你遇到的问题确实挺头疼：文本里藏着零宽连接符（‍），在UI界面里完全看不见，但一发短信到iPhone上就变成问号，而且用text.gsub("‍", "")的方法根本删不掉它。

问题出在你匹配的是HTML实体字符串‍，但实际文本里的字符已经是对应的Unicode编码（U+200D）了，所以直接替换实体自然起不到效果。

更新： #

补充@matt的答案，Unicode里其实不止零宽连接符，还有几种常见的零宽隐形字符，都可能导致类似的显示问题：

• U+200B 零宽空格（zero width space）
• U+200C 零宽非连接符（zero width non-joiner）
• U+200D 零宽连接符（zero width joiner）
• U+FEFF 零宽不换行空格（zero width no-break space）

想要一次性清理这些隐形字符，用正则表达式是最方便的方案，代码如下：

text = text.gsub(/[\u200B\u200C\u200D\uFEFF]/, '')

（注：原代码里的/[​-‍]/虽然能生效，但里面包含的隐形字符会让正则可读性极差，换成Unicode转义写法更稳妥，也方便后续维护）

内容的提问来源于stack exchange，提问作者Sampat Badhe