如何检测字符串中的控制字符？

本文深入解析了如何高效、准确地检测字符串中的控制字符与不可打印字符，涵盖从通用正则表达式（如`/[\p{Cc}\p{Cf}]/u`匹配Unicode控制与格式字符）到各主流语言（Python、JavaScript、Java、Go）的内置方法实践，并特别提醒零宽字符、BOM、ANSI序列等极易被忽略却可能引发安全或逻辑问题的“隐形”字符；无论你是做表单输入过滤、日志清洗还是安全防护，都能从中获得兼顾准确性、兼容性与实用性的检测策略和避坑指南。

判断字符串是否含不可打印字符或控制字符，关键看字符的 Unicode 码点是否落在控制字符（C0/C1）或非图形字符范围内。多数编程语言提供内置方法或正则表达式支持，无需手动遍历码点。

用正则表达式快速检测

最常用且跨语言兼容的方式是使用正则匹配控制字符或非打印字符：

• 匹配 C0 控制字符（U+0000–U+001F）和 DEL（U+007F）： /[\x00-\x1F\x7F]/
• 匹配所有 Unicode 控制字符（含 C1 区 U+0080–U+009F）： /[\p{Cc}]/u（需支持 Unicode 属性的引擎，如 JavaScript ES2018+、Python regex 模块）
• 更实用的“非可打印图形字符”逻辑（排除空格、制表、换行等常见空白）：/[^\x20-\x7E\t\n\r\f\v]/（即排除 ASCII 可见字符 + 常见空白）

按语言举例说明

不同语言有更简洁的内置判断方式：

• Python：用 unicodedata.category() 判断字符类别，'Cc'（控制字符）、'Cf'（格式字符）、'Co'（私有控制）、'Cn'（未分配）都属不可打印；也可用 ch.isprintable() == False and ch != ' ' 粗筛（注意它把制表符、换行符也视为不可打印）
• JavaScript：用 /[\p{Cc}\p{Cf}\p{Co}\p{Cn}]/u.test(str)；或对每个字符检查 char.codePointAt(0) < 32 || char.codePointAt(0) === 127（仅限 ASCII 控制符）
• Java：用 Character.isISOControl(c)（覆盖 C0/C1）或 Character.isWhitespace(c) && !Character.isSpaceChar(c) 辅助识别隐藏空白
• Go：用 unicode.IsControl(rune) 或 unicode.IsGraphic(rune) == false（后者更宽泛，包含控制、格式、私有等）

注意常见易忽略情况

实际检测中容易漏掉这些“隐形”字符：

• 零宽空格（U+200B）、零宽非连接符（U+200C）、零宽连接符（U+200D）——属于 Cf 类，肉眼不可见但影响文本处理
• 字节顺序标记 BOM（U+FEFF）——常出现在 UTF-8/UTF-16 文件开头，虽在某些上下文被忽略，但属于不可打印字符
• ANSI 转义序列（如 \x1B[31m）——本身由可打印 ASCII 和控制字符混合组成，需按整体语义解析，正则单字符匹配无法捕获
• 全角空格（U+3000）、不换行空格（U+00A0）——isprintable() 可能返回 True，但不属于常规空格，需按业务需求决定是否视为异常

推荐检测策略

兼顾准确性与实用性：

• 若只需拦截明显非法输入（如表单、日志字段），用 /[\x00-\x08\x0B\x0C\x0E-\x1F\x7F]/（排除制表、换行、回车等合理空白）
• 若做安全校验（如防止隐藏注入），启用 Unicode 控制类匹配：[\p{Cc}\p{Cf}]，并显式允许业务所需例外（如 U+00A0、U+200B 等）
• 调试时可用转义显示辅助查看：Python 的 repr(s)、JS 的 JSON.stringify(s) 会自动转义不可见字符

今天关于《如何检测字符串中的控制字符？》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！