为什么此文本会绕过正则表达式扫描？ [已关闭]

Question

诈骗者正在使用这种形式的消息向我们的用户群发消息 (𝕀 𝕒𝕞 𝕧𝕖𝕣𝕪 𝕚𝕟𝕥𝕖𝕣𝕖𝕤𝕥𝕖𝕕。(𝟞𝟟𝟠) -

我的问题：

1. 为什么消息文本是这样的？这是字体吗？
2. 这种文本如何绕过手动RegEx文本扫描？我们会扫描每条消息以捕获任何可疑消息。

Answer 1

他们使用的字符，𝔸（数学双击 A (U+1D538)）-𝕫（数学双击 z (U+1D56B)）是 Unicode 字符的一部分，而不是单独的字体。

如果您在编写正则表达式时没有考虑特殊的 Unicode 字符，那么它们将不会捕获这些字符，因为简单的

/\w/

不会匹配任何这些字符，除非您还指定显式匹配 Unicode（通常在以下位置使用标志

/u

）表达式结尾）。

同样，

/A/

不会匹配

"𝔸"

，因为它们是不同的字符，并且该模式仅匹配该特定字符。

为了不必考虑表示相似字符的所有可能方式，您可以在对它们运行正则表达式之前标准化您的 Unicode。这样，就可以保证一致的表示，并且您将可以更轻松地编写与更广泛的文本匹配的表达式。