零宽空格（U+200B）：它是什么，会弄坏什么

零宽空格是 Unicode 字符 U+200B ZERO WIDTH SPACE。它没有字形、没有宽度，也没有任何可见效果。但它仍然是一个字符：有码位，在字符串里占一个位置，计入长度，并且像任何字母一样经得住复制、保存和传输。

它的作用是标出一个可以换行的位置，而不在那里放一个空格。这在两种情况下有用：

• 词与词之间不写空格的文字，比如泰文、高棉文、老挝文。换行程序需要提示才知道哪里可以断开，U+200B 提供了提示，又不改变文本的样子。中文本身允许在任意两个汉字之间换行，所以中文排版其实很少用到它，它出现在中文文本里，几乎都是从别处带进来的。
• 很长、中间没有断点的字符串，比如网址、哈希值、文件路径，或者窄表格列里的长标识符。插入零宽空格能让这些字符串在指定位置折行，而不是撑破容器。这就是网页里到处都是它的原因，也是你从网页复制东西时它会跟着过来的原因。

属性	值
名称	ZERO WIDTH SPACE
码位	U+200B
十进制	8203
UTF-8 字节	E2 80 8B
Unicode 类别	Cf（格式字符）
White_Space 属性	否
HTML 实体	​ 或 ​
JavaScript / Python 转义	\u200B

最惹麻烦的是中间那两行：它的类别是格式字符，而不是空格分隔符，Unicode 的 White_Space 属性为否。下一节的所有问题都源于这两个事实。

看上去算。但对几乎所有编程语言来说，不算。这是关于它最有用的一条知识，因为它让开发者最先尝试的两种办法都失效了。

JavaScript。 无论有没有 u 标志，\s 字符类都匹配不到 U+200B，String.prototype.trim() 也删不掉它：

/\s/.test("\u200B");            // false
"\u200B".trim().length;         // 1  — 还在
"Ada" === "Ada\u200B";          // false
"a\u200Bb".split(/\s/).length;  // 1  — 没有被切开

Python。 两个方向都一样：

"\u200b".isspace()               # False
("  a" + "\u200b").strip()       # 'a\u200b'  — 零宽空格还在
re.search(r"\s", "\u200b")       # None

对比一下不换行空格 U+00A0：按 Unicode 的定义它是空白字符，在这两种语言里 \s 都能匹配、trim() 都能删除。日常交流里两者常被统称为“看不见的空格”，但在代码里它们的表现正好相反。以为 trim 能同时处理两者的清理代码，会在零宽空格上一再失败。

还有一个区别值得记准，因为它在 JavaScript 里尤其容易让人栽跟头：JavaScript 把 U+FEFF 当作空白字符，\s 能匹配它、trim() 能删除它，因为 ECMAScript 把它列入了自己的 WhiteSpace 定义。Python 不这么认为："\ufeff".isspace() 是 False，strip() 也不动它。于是同一个字节序标记（BOM），在一个运行环境里悄悄消失，到了下游的另一个环境里却还在，造出一个只在一半技术栈里出现的 bug。

实用规则：处理零宽字符时，永远不要依赖 trim 或 \s。 按码位去匹配。

U+200B 有几个同样什么都不显示的近亲。分清它们很重要，因为删除它们的风险并不一样。

字符	码位	用途	能放心删除吗？
零宽空格	U+200B	标出可以换行的位置	通常可以
零宽不连字符	U+200C	阻止两个字母连写或形成连字	不行，在阿拉伯文、波斯文和印度诸文字中有实际意义
零宽连字符	U+200D	强制连写；把表情符号拼成一个序列	不行，删掉会把表情符号拆开
零宽不换行空格	U+FEFF	文件开头的字节序标记（BOM）	在开头可以；在中间出现时按残留物处理
软连字符	U+00AD	只在单词恰好在此处换行时才显示的连字符	通常可以

其中两个需要特别说明。

U+200D 在表情符号里是承重的。 一个看起来单独的表情 👩‍💻 其实是三个码位：女性、零宽连字符、笔记本电脑。删掉连字符，一个图案就变成两个：👩💻。任何对含表情符号的面向用户文本执行的“删除不可见字符”操作，如果不排除 U+200D，就会出这个问题。

U+FEFF 的含义取决于位置。 在文件最开头，它是字节序标记，是关于编码的信号而不是内容，删掉它通常是对的。在其他任何位置，它是零宽不换行空格；Unicode 现在不提倡这种用法，建议改用 U+2060 WORD JOINER，所以它出现在中间几乎总是拼接文件、或者把带 BOM 的文件当文本读入时留下的残留。

完整的清单，包括方向控制符、字词连接符、行分隔符和段落分隔符，以及可以用来伪装文件名的那些字符，见不可见 Unicode 字符参考手册。

没有人会不小心打出一个零宽空格，它们都是跟着别处来的文本进来的。

• 从网页复制。 这是最常见的来源，远超其他。网站会在长网址、文件路径、哈希值和标识符里插入 U+200B，让它们能在窄栏里折行。选中、复制，换行提示就跟着过来了。
• 公众号和富文本编辑器。 通过 HTML 来回转换内容的编辑器（包括常见的公众号排版工具、各类 CMS），有时会留下零宽字符，它们是光标定位的残留，或者是某个必须占住位置的空行内元素。
• 从 PDF 提取文字。 从 PDF 复制时经常会得到零宽空格和软连字符，它们出现在排版软件控制换行的地方，混在你想要的文字中间。
• AI 聊天输出。 从聊天窗口复制回复，复制的是渲染后的 HTML，所以排版用到的各种空格字符都会一起带过来。这是复制带来的，不是生成时藏进去的信号，详见ChatGPT 会隐藏不可见字符吗。
• 故意插入。 零宽字符被用来给文档加“指纹”，这样泄露出去的副本可以追溯到具体的收件人；网上流传的“零宽字符隐写”“文本隐形水印”就是这个原理。它也被用来拆开词语，让关键词过滤和垃圾信息检测匹配不上：微\u200B信 看上去是“微信”，但匹配“微信”的过滤规则抓不到它。
• 钓鱼信息中的混淆。 同样的手法用在品牌名和网址上，让消息绕过简单的字符串匹配，而在人眼里读起来完全正常。

所有不可见字符问题都有同一条主线：当文本从展示场景（它们在那里有正经用处）进入数据场景（没有任何东西预料到它们）时，它们就混进来了。

下面每一种故障都是同一个模样：文字看起来是对的，所以所有排查直觉都指向错误的地方。

字符串相等和去重。 "Ada" === "Ada\u200B" 的结果是 false，同时装着两者的 Set 大小是 2。在人看来完全一样的两行，对机器来说是两个不同的值，于是去重漏掉它们，分组把它们拆开。

=== 比较和单元测试。 断言失败了，期望值和实际值打印出来却一模一样，diff 也显示没有差别。这是经典的一小时排查，线索是长度不一致：先查 .length，再查别的。

搜索和 Ctrl+F。 词语中间夹着一个零宽空格，搜索这个词就什么都找不到，哪怕它明明就显示在页面上。浏览器查找、编辑器查找和数据库的 LIKE 都会以同样无声的方式失败。中文用户常说的“文本里有看不见的字符、明明有却搜不到”，多半就是它。

表单校验和邮箱、手机号字段。 末尾带一个 U+200B 的邮箱地址过不了格式校验；从别处复制来的手机号夹着一个零宽空格，就不再是 11 位数字。用户看到的是一个正确的号码和一条莫名其妙的报错，而由于 trim() 删不掉它，处理函数里惯常的防御性 trim 也救不了你。

数据库唯一约束。 user@example.com 和 user@example.com\u200B 是不同的字符串，所以唯一索引会照单全收。结果是两个显示完全相同、在后台界面里根本分不出来的账号。

代码。 含有零宽空格的标识符或对象键，看起来和你想写的那个一模一样。obj.total 返回 undefined，因为之前定义的键是 total\u200B。导入解析不到，配置项被忽略，而报错从不提及真正的原因。

CSV 和 JSON 解析。 表头单元格里有一个零宽空格，列名就和你的映射对不上。在 JSON 里，左花括号之前多出一个 U+FEFF，会让 JSON.parse 抛出“unexpected token”错误，指向一段看起来完全合法的 JSON 的第 0 个位置。

字数统计和简历筛选。 字数和字符数会比看到的多，限字数的表单会拒绝明明没超的输入。招聘系统按关键词匹配，从 PDF 或网页资料里复制时沾上零宽空格的职位名称或技能，就不再匹配系统搜索的关键词，匹配数悄悄下降。

先看症状。 最可靠的信号是长度和看到的不一致。如果一个看上去只有 3 个字符的字符串报告长度为 4，或者一个“显然”等于另一个值的值偏偏不相等，你面对的几乎肯定是不可见字符。

扫描文本。 把文本粘贴到删除不可见字符工具里。它会报告有哪些不可见字符、每种各有多少，再按你的要求删除。全部在浏览器里运行，不上传。先看到数量再动手，能告诉你是一个零星的字符还是系统性的污染，而这决定了你要修的是什么。

在编辑器里。 VS Code 默认通过 editor.unicodeHighlight 系列设置高亮大多数不可见字符。在开启正则的查找替换里，下面这个字符类覆盖了常见的零宽字符：

[\u200B-\u200D\u2060\uFEFF]

也就是零宽空格、零宽不连字符、零宽连字符、字词连接符，以及零宽不换行空格 / BOM。如果还想处理软连字符，加上 \u00AD。

JavaScript。 只删除零宽空格：

const clean = input.replace(/\u200B/g, "");

删除整个家族，同时保留表情符号用的连字符：

const clean = input.replace(/[\u200B\u200C\u2060\uFEFF\u00AD]/g, "");

Python。 同样两种写法，分别用 str.replace 和 re：

clean = text.replace("\u200b", "")

import re
clean = re.sub(r"[\u200b\u200c\u2060\ufeff\u00ad]", "", text)

注意这些写法刻意漏掉了什么。U+200D 被排除，以保证表情符号序列完整；U+00A0 被排除，因为不换行空格是真正的空格，删掉它会把两个英文单词粘在一起。如果你清理的文本里有不换行空格，应把它替换成普通空格，而不是删除。

在哪里处理。 在边界处统一规范化：文本进来时处理，而不是用到时处理。在输入端清理一次，胜过在代码各处零散地做防御性替换，而且存进数据库的就是干净的值。在标识符、键名、邮箱、手机号和代码里大胆清除；在面向用户的正文里谨慎处理，因为 U+200C 和 U+200D 可能承载着意义。

有时你确实需要一个：让长字符串可以折行，或者测试自己的清理代码是否管用。可靠的方法都是文本式的，因为你看不见自己要选中的东西。中文输入法里没有打出它的按键。

在哪里	写法
HTML	​ 或 ​
JavaScript / TypeScript / JSON	"\u200B"
Python	"\u200b" 或 "\N{ZERO WIDTH SPACE}"
CSS content	"\200B"（转义后的空格表示转义结束）
Microsoft Word	输入 200B，然后按 Alt + X
Windows	Win + . 的符号页，或者从代码转义粘贴
Linux（IBus）	Ctrl + Shift + U，输入 200b，再按 Enter
macOS	没有系统快捷键；用字符检视器或转义写法

从网页上复制一个零宽空格本质上是靠不住的，从本页复制也一样。你看不见这个字符，也就看不见选区的边界：可能连旁边的空格一起选上了，也可能根本没选中它，屏幕上什么都不会告诉你是哪种情况。“点击复制零宽空格”的按钮只是把同一个问题往后推了一步：剪贴板里有了点东西，但你没法确认是什么。

所以如果目标位置接受代码（HTML、模板、源文件、配置文件），就用转义写法。它明确、能在 diff 里审查，也不可能只选中一半。如果目标是文字处理软件，就用 Word 的 Alt + X，同样明确。

特别是在 HTML 里，先想想你是否真的需要 U+200B。​ 是内容字符，会成为文本的一部分，任何人选中复制时都会把它带走。CSS 属性 overflow-wrap: anywhere 和 word-break: break-word 能达到同样的折行效果，却不往字符串里放任何东西；想在断行处显示连字符时，­（软连字符，U+00AD）才是正确的选择。只有当你需要在某个 CSS 推断不出来的特定位置提供断行机会时，才用真正的字符。

如果你真正想要的恰恰相反，是把这类字符连同破折号、弯引号和不换行空格一次性清掉，清理 ChatGPT 和 AI 文本可以处理整套字符，并报告改动了什么，而不是悄悄编辑。