ก็็็็็็็็็็็็็็็็็็็็ก็็็็็็็็็็็็็็็็็็็็ก้้้้้้้้้้้้้้้้้้้้ก้้้้้้้้้้้้้้้้้้้้กิิิิิิิิิิิิิิิิิิิิก้้้้้้้้้้้้้้้้้้้้กิิิิิิิิิิิิิิิิิิิิก้้้้้้้้้้้้้้้้้้้้ก้้้้้้้้้้้้้้้้้้้้กิิิิิิิิิิิิิิิิิิิิ

这些最近出现在Facebook的评论部分。

我们该如何消毒呢？

这些unicode字符怎么了？

那是一个带有一系列组合字符的字符。因为所讨论的组合字符要高于基本字符，所以它们会堆叠在一起（字面上）。例如，

ก้้้้้้้้้้้้้้้้้้้้

...这是一个ก（泰国字符ko kai）（U + 0E01），后跟20个泰语组合字符mai tho（U + 0E49）。

我们该如何消毒呢？

您可以预处理文本并限制可以应用于单个字符的组合字符的数量，但是付出的努力可能不值得。您需要所有当前字符的数据表，以便知道它们是在组合还是在组合，并且您需要确保至少允许一些，因为某些语言是在同一基础上写有几种变音符号的。现在，如果您想将注释限制为拉丁字符集，那将是一个更容易的范围检查，但是，如果要将注释限制为仅几种语言，那当然是唯一的选择。有关更多信息，代码表等，请访问unicode.org。

顺便说一句，如果您想知道某个字符是如何构成的，那么对于最近的另一个问题，我在JSBin上编写了一个肮脏的“ Unicode Show Me”页面。您只需将文本复制并粘贴到文本区域中，即可显示该文本所组成的所有代码点（〜字符），并带有诸如以上指向每个字符的页面的链接。它仅适用于U + FFFF及以下范围内的代码点，因为它是用JavaScript编写的，并且要处理JavaScript中U + FFFF以上的字符，您需要做的工作比我想做的要多（因为在JavaScript中， “字符” 始终 16位，这意味着对于某些语言，可以将一个字符分割成两个单独的JavaScript“字符”，但我没有考虑），但是对于大多数文本来说，它很方便...

如果您拥有具有不错的Unicode支持的正则表达式引擎，则清理这种字符串很简单。例如，在Perl中，您可以从每个（用户感知到的）字符中删除除第一个组合标记以外的所有标记，如下所示：

#!/usr/bin/perl
use strict;
use utf8;

binmode(STDOUT, ':utf8');

my $string = "กิิ ก้้ ก็็ ก็็ กิิ ก้้ ก็็ กิิ ก้้ กิิ ก้้ ก็็ ก็็ กิิ ก้้ ก็็ กิิ ก้้";
$string =~ s/(\p{Mark})\p{Mark}+/$1/g; # Strip excess combining marks
print("$string\n");

这将打印：

ก็ก็ก้ก้กิก้กิกิก้กิ

上面的TJ Crowder最好地回答了“我们该如何消毒”

但是，我认为消毒是错误的方法，Cristyoverflow:hidden在css包含元素上 正确。

至少，这就是我要解决的方法。

好的，这花了我一段时间，我给人留下了深刻的印象，那就是将字符组合成zalgo 仅限于这些。因此，我期望遵循regex来抓狂。

([\u0300–\u036F\u1AB0–\u1AFF\u1DC0–\u1DFF\u20D0–\u20FF\uFE20–\uFE2F]{2,})

而且没有用...

值得注意的是，Wiki中的列表没有涵盖所有组合字符。

给我一个提示的是"ก้้้้้้้้้้้้้้้้้้้้".charCodeAt(2).toString(16)=“ e49”，它不在组合的范围内，属于“私人使用”。

在C＃中，它们属于UnicodeCategory.NonSpacingMark以下脚本，将其冲洗掉：

    [Test]
    public void IsZalgo()
    {
        var zalgo = new[] { UnicodeCategory.NonSpacingMark };

        File.Delete("IsModifyLike.html");
        File.AppendAllText("IsModifyLike.html", "<table>");
        for (var i = 0; i < 65535; i++)
        {
            var c = (char)i;
            if (zalgo.Contains(Char.GetUnicodeCategory(c)))
            {


                File.AppendAllText("IsModifyLike.html", string.Format("<tr><td>{0}</td><td>{1}</td><td>{2}</td><td>A&#{3};&#{3};&#{3}</td></tr>\n",  i.ToString("X"), c, Char.GetUnicodeCategory(c), i));

            }
        }
        File.AppendAllText("IsModifyLike.html", "</table>");
    }

通过查看生成的表，您应该能够看到哪些堆栈。维基上缺少的一个范围是06D6-06DC另一个0730-0749。

更新：

这是更新后的正则表达式，它应可以将所有zalgo（包括绕过“正常”范围的zalgo）捕获。

([\u0300–\u036F\u1AB0–\u1AFF\u1DC0–\u1DFF\u20D0–\u20FF\uFE20–\uFE2F\u0483-\u0486\u05C7\u0610-\u061A\u0656-\u065F\u0670\u06D6-\u06ED\u0711\u0730-\u073F\u0743-\u074A\u0F18-\u0F19\u0F35\u0F37\u0F72-\u0F73\u0F7A-\u0F81\u0F84\u0e00-\u0eff\uFC5E-\uFC62]{2,})

一旦完成，最困难的是识别它们-上面有很多好的解决方案。

希望这可以节省您一些时间。