Văn bản
Phát hiện và xoá ký tự ẩn trong văn bản
Tìm các ký tự vô hình như zero-width space, khoảng trắng đặc biệt và dấu nháy thông minh, rồi dọn sạch.
Phát hiện và xoá ký tự ẩn trong văn bản là gì?
Có những ký tự không hiện ra màn hình nhưng vẫn nằm trong chuỗi. Phổ biến nhất là zero-width space, khoảng trắng không ngắt dòng, byte order mark và dấu gạch nối mềm. Chúng lọt vào khi bạn sao chép từ Word, Google Docs, trang web hay tin nhắn.
Hậu quả thì rất khó truy: đoạn mã dán vào không chạy dù nhìn đúng y hệt, hai chuỗi trông giống nhau nhưng so sánh lại khác, mật khẩu dán vào bị báo sai, hoặc tên miền hiển thị đúng nhưng dẫn tới nơi khác. Bạn có thể ngồi soi hàng giờ mà không thấy gì bất thường.
Đáng chú ý hơn, các ký tự vô hình còn được dùng để đánh dấu ngầm văn bản. Cùng một đoạn nội dung gửi cho nhiều người, mỗi bản chèn một chuỗi zero-width khác nhau — khi nội dung bị rò rỉ, người gửi biết chính xác ai làm lộ. Công cụ này chỉ ra toàn bộ những gì đang ẩn trong văn bản của bạn.
Cách sử dụng
- Dán văn bản cần kiểm tra vào ô trên.
- Nếu có ký tự ẩn, bảng bên dưới liệt kê từng loại kèm mã Unicode, số lần xuất hiện và vị trí.
- Xem văn bản đã dọn sạch ở cuối trang.
- Bấm Sao chép để lấy bản sạch dùng thay thế.
Câu hỏi thường gặp
Ký tự ẩn từ đâu ra?
Chủ yếu từ việc sao chép. Word và Google Docs tự đổi dấu nháy thẳng thành dấu nháy cong, gạch nối thành gạch ngang dài. Trang web hay chèn zero-width space để điều khiển chỗ ngắt dòng. Tệp xuất từ hệ thống cũ thường mang theo byte order mark ở đầu.
Vì sao chúng gây lỗi lập trình?
Vì trình biên dịch đọc từng byte chứ không nhìn hình dạng. Một dấu nháy cong không phải dấu nháy thẳng, một khoảng trắng không ngắt dòng không phải khoảng trắng thường. Mắt bạn thấy giống hệt, máy thấy hoàn toàn khác.
Công cụ dọn những gì?
Xoá hẳn các ký tự có chiều rộng bằng không và ký tự điều khiển, đổi khoảng trắng đặc biệt về khoảng trắng thường, và đổi dấu nháy cong cùng gạch ngang dài về dạng ASCII tương đương.
Đánh dấu ngầm bằng ký tự ẩn có thật không?
Có, và kỹ thuật này khá phổ biến trong việc theo dõi rò rỉ tài liệu. Vì các ký tự này hoàn toàn vô hình, chỉ cần chèn vài chuỗi khác nhau là đủ tạo ra mã định danh riêng cho từng bản sao.