ゼロ幅文字と不可視の文字列長

ゼロ幅文字：不可視だがカウントされる

いくつかのUnicode文字は視覚的な幅がゼロですが、文字列長にカウントされます。これらはバリデーション、比較、ストレージに微妙なバグを引き起こす可能性があります。

一般的なゼロ幅文字

文字	コードポイント	UTF-8バイト	目的
ゼロ幅スペース (ZWSP)	U+200B	3	単語区切りのヒント
ゼロ幅ジョイナー (ZWJ)	U+200D	3	絵文字シーケンスの結合
ゼロ幅非ジョイナー (ZWNJ)	U+200C	3	リガチャの防止
ワードジョイナー (WJ)	U+2060	3	改行の防止
ソフトハイフン	U+00AD	2	オプションのハイフネーションポイント
BOM	U+FEFF	3	エンコーディングインジケーター

絵文字におけるZWJ

ゼロ幅ジョイナー（U+200D）は複雑な絵文字を可能にするものです：

👩 + ZWJ + 🚀 = 👩‍🚀（女性宇宙飛行士）

各ZWJは3 UTF-8バイトと1コードユニットを文字列に追加しますが、可視幅はありません。

隠しテキスト攻撃

ゼロ幅文字は以下に使用できます：

1. フィルターの回避：禁止語の間にZWSPを挿入して検出を逃れる
2. テキストの透かし：コピー＆ペーストを追跡するための不可視パターンの埋め込み
3. バリデーションの破壊：長さがゼロでない、一見空の入力

"".length              // 0
"\u200B".length         // 1 (空に見えるが空ではない！)
"\u200B\u200C\u200D".length  // 3 (3つの不可視文字)

検出と除去

// ゼロ幅文字の検出
const hasZeroWidth = /[\u200B\u200C\u200D\u2060\uFEFF]/.test(str);

// ゼロ幅文字の除去
const clean = str.replace(/[\u200B\u200C\u200D\u2060\uFEFF]/g, "");

文字列長さ計算ツールの書記素ブレークダウンは、各位置の正確なコードポイントを表示して、これらの不可視文字を識別するのに役立ちます。