cf特殊符号(特殊符号爱心)

作为一名程序员，无论是前端开发还是后端开发，都可能和正则表达式打交道，有时候明明肉眼可见是符合正则的，为何总是过不去呢？下面先贴一个例子，最近遇到的坑，有兴趣可以先试一下复制到记事本和IDE工具内看下。

程序员在线找BUG

如下是一个手机号，我们需要通过正则校验手机号合法性，看起来是完全符合手机号规则的

?13666668888?

不使用复杂的的正则校验，就校验数字11位，测试复制和手动输入的结果：

public static void main(String[] args) { System.out.println(ReUtil.isMatch ("(1){1}[0-9]{10}", "\u202D13666668888\u202C")); System.out.println(ReUtil.isMatch ("(1){1}[0-9]{10}", "13666668888")); }

这是什么奇奇怪怪的东西，为什么复制到IDE工具内就多了些奇奇怪怪的，\u202D和\u202C显然是Unicode编码，具体不在做多解释，查阅Unicode编码范围可知：

2000-206F：常用标点(General Punctuation)

这是标点范围内的，又是不可见的标点，一般人很难察觉。

遇到这个问题的场景是：我方使用联系方式请求第三方接口，报联系方式格式错误，第一反应就是对方接口出问题了，截图和使用文本文档复制报文给对方（见下图），对方也认为是自身问题，因为报文看起来有问题，对方表示他们打出的日志也是这样，不存在编码格式不统一问题，直到对方说他手打报文发送就没问题，我才意识到，是不是有什么奇奇怪怪的字符在捉妖，毕竟以前遇到过带空格，带tab的情况。

问题报文

二话不说,报文复制到IDE看一眼，当初查换行和tab就是这样做的。

代码正如之前所发的，有两个Unicode编码，再次和录入联系方式的人员确认：

似乎马上要破案了，联系方式是对方微信发的，可能是从哪里复制过来的，那么，一般联系会从通讯录或者其他地方复制，网上一搜，果然水果机是有这种机制的，那么为何要引入这些Unicode编码呢？查到有如下说法

在所有主要的Web浏览器中内存中的字符顺序（逻辑）与它们显示的顺序（可视）是不同的。Unicode 定义了它其中每个字符的方向属性，浏览器应用的一组规则（通过这个来进行自动判断文本Unicode方向属性应该使用哪种方向）在显示时产生正确的顺序由Unicode双向算法进行描述，也可简称为BIDI算法。控制字符，有时候也称非打印字符，是出现在特定的信息文本中，表示某一控制功能的字符。这类字符并不显示，只包含某种特定的功能。

说人话，就是有些场景，数据库之类的存储的是左到右，但是显示不行，据说阿拉伯文相关的环境是右到左的，中文英文是左到右，那么要做到国际化就要对对应文本进行处理。

日常我们书写文字会知道，书写的方向是决定于所书写的文字，汉字、拉丁文字是从左至右，阿拉伯文、希伯来文则是从右至左。相应的，Unicode 字符在设计时就考虑了不同文字方向性的问题，因此定义了每个 Unicode 字符的方向属性。

只定义每个Unicode字符方向还是不足够的，很多时候需要将整体字符串左右反转，那么控制字符就派上用场了。

U+202A: LEFT-TO-RIGHT EMBEDDING (LRE)

U+202B: RIGHT-TO-LEFT EMBEDDING (RLE)

U+202D: LEFT-TO-RIGHT OVERRIDE (LRO)

U+202E: RIGHT-TO-LEFT OVERRIDE (RLO)

U+202C: POP DIRECTIONAL FORMATTING (PDF)

PDF即是终点，水果机使用LRO和PDF即达到了控制效果，我们可以测试下LRO相反的RLO的作用，从override的意思来看，就是覆盖了原有排版，上代码测试：

public static void main(String[] args) { System.out.println("13666668888"); System.out.println("\u202D13666668888\u202C"); System.out.println("\u202E13666668888\u202C"); }

13666668888

?13666668888?

?13666668888?

有兴趣的可以复制最后一个到IDE或者文本编辑工具看下效果。

水果机通过控制字符控制了字符的左右方向和排版方向，但是这可苦了我们这些程序员了，一不小心就找不到问题所在了，所以对于此类问题，最好就是前端或者后端做正则校验或者替换掉有问题的字符，指望系统操作人员去手打，既容易出错还不方便。相关示例代码如下：

public static void main(String[] args) { System.out.println("13666668888"); System.out.println("\u202D13666668888\u202C"); System.out.println("\u202E13666668888\u202C".replaceAll("\\p{Cf}","")); }

13666668888

?13666668888?

13666668888

可以看到第三个顺序展示了，其中\p{Cf}是不显示的Uniicode的一个总称，经测试邮箱内的特殊字符、区号或者分机号和电话相连的-是不会被替换的，不过查阅了下有\p{P}的说明，也有参数为C的说明，但是没Cf的说明，不知道哪位大神可以补充说明下。

以上就是史上最坑空白字符的发现过程和具体用途，有兴趣的可以就里面具体的点再查阅下相关文档，此处不再叙述。