Буквы-двойники
CYRILLIC SMALL LETTER ES (U+0441)
Кириллическая буква «с», нарисованная в точности как латинская c.
- Кодовая позиция
U+0441- Категория
- Буквы-двойники
- Удаляется по умолчанию
- Нет
- Управляющий параметр
- Буквы-двойники
--confusables - Может нести нагрузку
- Нет
Откуда он берётся
Кириллический текст, смешанные раскладки и намеренная подмена в доменах и никнеймах.
Почему это важно
Как и прочие двойники, она заставляет две одинаковые на вид строки сравниваться как разные, — а этого достаточно, чтобы обойти чёрный список, поиск или дедупликацию.
До и после
Первая буква — кириллическая «эс». Слово это не то слово, которым оно кажется.
Символ показан подписанной плашкой, чтобы было видно, где он стоит. В вашем тексте он не рисует ровно ничего.
Когда он уместен
В любом языке с кириллическим письмом, где это просто буква «эс» и к латинской c она отношения не имеет.
Как его удалить
Включите параметр «Буквы-двойники» (`--confusables`) — она станет латинской «c».
Это водяной знак ИИ?
Не водяной знак
Нет. Омоглифы ставят люди и раскладки, но никогда — модель в качестве подписи под своим текстом.
Никак не связан с машинно сгенерированным текстом. Он приходит из программы, с клавиатуры или от человека.
Вопросы
Сколько двойников знает Ghostchars?
В таблице 1513 записей, и она построена из собственного файла confusables.txt консорциума Unicode, а не собрана вручную, — поэтому она покрывает греческий, армянский, чероки, полноширинные формы и математические алфавиты не хуже кириллицы.
Бывают ли ложные срабатывания?
Да, и это заложено в устройство: отображение агрессивно и превратит в латиницу турецкую i без точки и настоящий нелатинский текст. Поэтому параметр и включается вручную.
Проверьте свой текст
Вставьте что угодно в инструмент очистки, чтобы увидеть каждый скрытый символ: позицию, кодовую позицию и то, что произойдёт с каждым из них. Ничего никуда не отправляется.