这种垃圾字符怎么过滤？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

请不要在回答技术问题时复制粘贴 AI 生成的内容

这是一个创建于 4137 天前的主题，其中的信息可能已经有所发展或是发生改变。

不能发图片么？不知道是什么字符。谁知道怎么过滤？不限于这几种字符，应该还有别的更多这种无聊字符。。
我还想知道这种字符从哪儿来的？

字符

过滤

限于

13 条回复 2014-08-08 11:10:33 +08:00

jakwings

2014-08-07 11:43:56 +08:00

emoji表情符之类的，何必过滤，一般都不是很重要的内容。

rogeecn

2014-08-07 11:46:55 +08:00

@jakwings 关键是这东西出现在标题里了。

jakwings

2014-08-07 11:47:16 +08:00

@jakwings 我还以为楼主看不到那些字符……查一下特殊字符映射表就知道了，大致是在 U+2600-U+27BF。

Actrace

2014-08-07 12:41:25 +08:00

反向匹配,只允许特定字符出现.

Delbert

2014-08-07 12:45:34 +08:00

我晕。emoji啊，去 http://getemoji.com 整个页面都是楼主所谓的垃圾字符……

比如 Face Emoji

dong3580

2014-08-07 12:50:30 +08:00

字体字符，都可以自己做自己的。。。能过滤完？

jsonline

2014-08-07 12:51:03 +08:00

你不能用黑名单，只能用白名单，吧。

imn1

2014-08-07 13:07:34 +08:00

@dong3580 自己造的别人看不到，想别人也能看到一般都是unicode符号
@jsonline +1
unicode符号太多，而且区段很多，只能用白名单把你想要的文字区段保留
http://www.unicode.org/charts/ 这里是unicode所有区段的说明及对应字符表pdf下载

dong3580

2014-08-07 13:10:36 +08:00

@imn1
引用，看“淘宝”那几个字就是字体。

jakwings

2014-08-07 13:16:43 +08:00

估计可以植入一段CSS，用设计好的0宽度字符webfont替换掉这些符号的常用字体中的对应字符实现无JS无JS损害过滤。

具体方法如下：
@font-face {
font-family: "Custom";
font-style: normal;
src: url(Custom.woff) format('woff');
}
@font-face {
font-family: "Custom";
font-style: bolder;
src: url(Custom.woff) format('woff');
}
@font-face{
font-style: normal;
font-family: "SimSun";
src: local("Custom");
unicode-range: U+2600-27BF, U+2E80-9FFF, U+F900-FAFF, U+FE30-FE4F, U+20000-2FA1F;
}

jakwings

2014-08-07 13:21:57 +08:00

啊，修正了一下，顺便放到gist上了。
https://gist.github.com/jakwings/7ae0e5bf833ed64c6fbf

imn1

2014-08-07 13:31:17 +08:00

@dong3580 哪里？

qq5775548

2014-08-08 11:10:33 +08:00

直接过滤出自己允许的字符~~就可以过滤掉不要的字符不过貌似这也不好搞