人人都是艺术家！谈谈那些奇怪的字符

本文做者：IMWeb 黎腾 原文出处：IMWeb社区 未经赞成，禁止转载

前言

编码，是每一个程序员绕不开的话题。对于前端工程师而言，字符更是会直观地展现在界面上。
提起文字，大部分人的脑中，都会定式为规整排列的字符。可是林子大了什么鸟都有，世界上但是存在着6800+种文字，不免会飞出来一些诡异的鸟…
而号称“万国码”的Unicode，在实现编码与展现的时候，也会不会遇到一些奇葩的事情呢？

事实上，可能你早已见识过了：

x̙͈̝͍͕̙̄͛̽̆͌́̕͟g̘̣̠̝̟̤̥̼̼̽͑͋̈̑̒͟͞q̛̤̦̝̘͎͋̔̋͌͒̆̋̚͡f̵̢̙͇̮̠̋̀͌̅̉̃̔͜͜͠͡r̢̜̩͙̭̲͓͈̈̀͑̆͋̚͢͜m̷̛͙̝̣̲̭͍͉̊̓̾̈̋̿̚͢͟͠s̷̡̩͔̮͈̜̊̽͂̆̈́̃̓͋̏

热҈的҈字҈都҈出҈汗҈了҈

你的屏幕被蓝翔挖掘机给挖坏了不信你看;̷̸̨̀͒̏̃ͦ̈́̾̀́̎͢҉̵̶͚̼͉͖̺̥͔͇̰̹̮͙͉̻̼̭̻͕̮͇ͨͬͪ͗̇̑̽͋̀̋̊͌ͧͨͭ̓̅͐ͥ̂̔̊ͧ͊҉̶̵̷̞̩̦̳̺̳̬̬̩̣̫͇̯̥͖͍͕̠̦̼̗ͯ̽͌̔ͪͯ́́͋̍ͨ̿̿̎͒ͤ̓̅̀͂ͧ͋̏ͫͣ̔͘͜͠͏̶̵̸̧̧̥̺͓̘̺͎̜̥͕͈̝̫͎̺̮̱̤̠̠͖̳̻̥̣̪͍͕͇̮͙̹̪ͮͧͫ͂͒ͤͣ̌̽ͨͪ͒̄̄̉̒̊ͩ̅͆͘̚͘͘̚͟͟͝ͅ

今天咱们就来探讨一下这些奇怪的字符。

1、文字能够戴帽子和穿鞋子

提起泰文，不少朋友都会当即想到：萨瓦迪卡（你好）。
但这句话是怎么写的呢？
其实这句你好，男生和女生之间还有差别，男生写法是：สวัสดีครับ，女生则是：สวัสดีค่ะ。

不过这并不重要，重要的是，咱们发现某些字的上面，还带了特殊的符号。就好像是戴上了帽子。
事实上，泰文字符不只会“戴帽子”，偶尔还会“穿鞋子”。
好比下面三个字符：ผ ผู ผู้

若是脑洞再大一点，有人就会想，那是否是还能够戴多顶帽子呢？
的确如此…泰文容许你穿一双鞋子，而且戴两顶帽子。完整的形式是这样的：

因此，平时看惯了中英文的咱们，须要改变一下思路了。
世界上的文字，并不全是规规整整横向排列的格子，也存在像泰文这种变形金刚组合式的文字。

虽然标准的泰文里，“帽子”和“鞋子”的数量是有限制的，但因为国际码的迷之设计（先卖个关子），在计算机里显示的泰文字符，却能够拥有无数的帽子和鞋子。也就是说，它变成了一款能够在Y轴无限拓展的文字！

而且，咱不光能够往上喷，还能够有必定角度…

还能够，简直是不讲道理。

（因为一些系统会崩溃，这里使用截图）

2、人与机器的矛盾

而后咱们会质问Unicode，你为什么不讲道理？
如此的设计，近乎是一个bug；但即便是bug，也应该早就修复了呀。

事实上，这样的设计，是为了解决一个问题：人与机器的矛盾。

首先是存储的矛盾。
若是把每一个组合好的泰文用一个编码来表示，那么至少须要44×21×4=3696个编码（实际上可能要比这还多）。用如此多的编码来处理基本元素只有69个的文字是很是浪费的，所以电脑采用一套称为复杂文字编排（CTL）的设计来解决矛盾。
简单的说，泰文的每一个基本字符对应一个编码，用户在输入法里依次输入多个基本字符进行拼合，最后敲一个特殊的“结束字符”；这时前面输入的基本字符，就拼合成了一个单独的泰文字符，在屏幕中显示。 这样就解决了存储的空间浪费问题。

但这样就带来了第二个矛盾，识别的问题。
人能够轻松地识别一个泰文合字是否拼写正确、有意义；但机器在显示时却很难进行判断，即便能够也会带来相应的性能问题。
如何解决呢？现在会在输入法上作一些文章，好比打一个声调符号后就不能再输入了。不过，因为泰文这种基于结束标志合成字符的本质，你仍是无法避免“艺术家”们使用复制粘贴、手工撰改字符位置等方式去进行创造，只能起到一些限制做用。

其次，在比较新版本的Webkit里，在显示上会阻止这种往上下冒的字符，这样至少不影响排版。因此有部分字符已经不会出现上下叠加的情形了，你能够在不一样浏览器，观察一下这个字符的显示：ส็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็็

3、萌即正义的颜文字 (ง •̀_•́)ง

也许你以为泰文奇葩，但它的声调就在文字里，看到就能准确地读出来。这样更容易传播，是否是也没了你读文言文要查字典的烦恼呢？因此文字的设计各有优劣。

这样的设计不止泰文，它只是一个典型的例子。除此以外常见的还有老挝文、藏文。
脑洞大开的艺术家们，又会想到另一个好玩的事情：我能不能拿老挝文的“帽子”，组合“藏文”的鞋子，合成一个独立的字符呢？

他们赢了。不久，颜文字开始流行。

好比，这个表情：(;´༎ຶД༎ຶ`)
里面有眼睛流泪的一个字符：༎ຶ
它是什么语言呢？

事实上，它并不属于世界上任何一种语言！眼睛部分是老挝文，泪水部分属于藏文。
可是，你在复制它的时候，能够发现它倒是一个单独的字符，这就很是的神奇。缘由咱们在第二部分已经讲过了。

我是如何知道的呢？固然我并非个语言学家，咱们能够转码一下，发现༎ຶ对应的编码是\u0f0e\u0eb6，再到 unicode-table 里去查看就清楚了。

除此以外——

• ▷ˋε´◁ 中 ε 是希腊字母
• ʕ-'ᴥ’-ʔ 中 ʕᴥʔ 是国际音标
• (·ཀ·」∠)
  中 ཀ 是藏文
• (ง •̀_•́ )ง 中 ง 是泰文
• 罒 д 罒 中 罒 是中文（同网），д 是俄语西里尔字母

看来若是你会发颜文字，就是名副其实的会“十八国语言”了呢 (๑✦ˑ̫✦)✧

4、字体的错位

前面咱们一直在谈字符的本质，但字符在屏幕中的展现，还有一个关键的因素：字体。
相同的字符，使用了不一样的字体，它们的显示也会有差异。

一行中文，你设置“黑体”或“草书”，它大致来看仍是规整的；
但若是你设置一行英文为“草书”，可能就会有问题。

在浏览器里，若是对应编码在字体文件里为空，通常会展现成一个方格，起码不会影响其余正常字符的排版。但咱们知道，Unicode的林子实在太大了…
在某些字体里，就会对一些特殊的字符产生错误的排版。

好比：热҈的҈字҈都҈出҈汗҈了҈

把它转义一下，就获得编码是： \u70ed\u0488\u7684\u0488\u5b57\u0488\u90fd\u0488\u51fa\u0488\u6c57\u0488\u4e86\u0488

其中0488就是҈这个字符的编码，它是一个组合用的西里尔文百千符号。

它在大部分经常使用字体里，都有错位问题；而其余一些字体，好比 Courier New 字体，则是分开的展现：

那么，这两种展现哪一种才是正常的呢？其实都不正常。
咱们查看西里尔文计数法的wiki，能够看到它只有配合西里尔数字时，才能展现正常：

至于你把它跟其余语言组合在一块儿时，咱们要么看到错位，要么看到分离的展现。并且国际上并无一个组织，去规定要怎么展现。事实上文字这么多，根本也管不过来，因此这也是混乱的缘由。

最后补充一点，另一小撮别有心裁的艺术家，还习惯使用这个字符去突破敏感词过滤…

5、混乱与创新？

值得一提的是，Unicode是不可阻挡的潮流，它也一直在更新。好比咱们经常使用的Emoji表情，就已是Unicode的标准字符集。

而前面咱们说到，你们在玩这些奇奇怪怪的字符时，都是基于“相似bug”的设定在搞事情。这就有很大的局限性。
那“艺术家”们又会有些大胆的想法：我能不能主动创造一些新字符，就是为了错位和组合呢？

我也不清楚这是创新，仍是会带来更多的混乱。但事实是，iOS系统自带的字符，已经有这样的尝试了。而且搜狗输入法在iOS系统提供的诸多符号里，挑选了一些，可供用户去使用。这个功能的名字，叫作花漾字。

仍是得感慨艺术家们的视角是多么独特。
既然都这样了…最后，但愿咱们的国产表情包能有朝一日打入Unicode吧。

看完这篇腾讯大神的文章，是否想了解更多大神亲传的知识呢？前端的路上，须要不断学习系统的前端知识，了解业界的顶尖标准，一样重要的，是要有大神带你飞！

加入腾讯官方出品的NEXT学位课程，获得前端大神的亲自指导，就是你快速进步的独！门！秘！籍！

NEXT学位有多厉害？

腾讯课堂官方出品、技术总监设计、高级工程师教学、硅谷最新的教学工具、前端岗位的项目实战、专家1V一、直播课答疑、腾讯内推、专属就业通道...种种优点助你走向前端的人生巅峰！

（详情连接：ke.qq.com/next/index.…）

限时优惠与免费试学！

NEXT学位还推出限时限量的优惠名额与少许免费的试学机会，同时，有十天训练营福利课程放送，机不可失，快来报名吧！

扫码了解更多！