Гаразд, це зайняло у мене деякий час, щоб зрозуміти, у мене склалося враження, що поєднання символів для створення залго обмежується цими . Тож я очікував, що після регулярного виразу піймаю виродків.
([\u0300–\u036F\u1AB0–\u1AFF\u1DC0–\u1DFF\u20D0–\u20FF\uFE20–\uFE2F]{2,})
і це не спрацювало ...
Суть у тому, що список у вікі не охоплює повний спектр поєднання символів.
Що дало мені підказку, це "ก้้้้้้้้้้้้้้้้้้้้".charCodeAt(2).toString(16)
= "e49", який, не в межах діапазону об'єднання, потрапляє у "приватне використання".
У C # вони потрапляють під, UnicodeCategory.NonSpacingMark
і наступний скрипт видаляє їх:
[Test]
public void IsZalgo()
{
var zalgo = new[] { UnicodeCategory.NonSpacingMark };
File.Delete("IsModifyLike.html");
File.AppendAllText("IsModifyLike.html", "<table>");
for (var i = 0; i < 65535; i++)
{
var c = (char)i;
if (zalgo.Contains(Char.GetUnicodeCategory(c)))
{
File.AppendAllText("IsModifyLike.html", string.Format("<tr><td>{0}</td><td>{1}</td><td>{2}</td><td>A&#{3};&#{3};&#{3}</td></tr>\n", i.ToString("X"), c, Char.GetUnicodeCategory(c), i));
}
}
File.AppendAllText("IsModifyLike.html", "</table>");
}
Переглянувши створену таблицю, ви зможете побачити, які з них складаються в стек. Одного діапазону, якого бракує у вікі, є 06D6-06DC
інший 0730-0749
.
ОНОВЛЕННЯ:
Ось оновлений регулярний вираз, який повинен виловлювати всі залго, включаючи ті, які обійшли в "нормальному" діапазоні.
([\u0300–\u036F\u1AB0–\u1AFF\u1DC0–\u1DFF\u20D0–\u20FF\uFE20–\uFE2F\u0483-\u0486\u05C7\u0610-\u061A\u0656-\u065F\u0670\u06D6-\u06ED\u0711\u0730-\u073F\u0743-\u074A\u0F18-\u0F19\u0F35\u0F37\u0F72-\u0F73\u0F7A-\u0F81\u0F84\u0e00-\u0eff\uFC5E-\uFC62]{2,})
Найскладніше - ідентифікувати їх, як тільки ви це зробите - є безліч рішень, включаючи декілька хороших вище.
Сподіваюся, це заощадить ваш час.