Unicode 格式字符浏览器渲染实测数据集

自然语言
0 下载
2 浏览
2026-10-04

数据集简介

仓库说明

本仓库是一次面向真实浏览器的测量工程:把 Unicode 15.1 中全部 170 个 Cf(format)字符逐一放进 Chromium 渲染,记录前进宽度、是否留下墨迹、空白行为与规范化结果,并收集 HTML 表单 API 对这些字符的判定。测量代码基于 Playwright 驱动 Chromium,原始输出与生成脚本一并提交,任何数字都可以按仓库内脚本重新跑出。

许可与使用

仓库为 GitHub 公开仓库,可直接下载。仓库内含 LICENSE 文件,具体许可条款以该文件为准。

文件构成

仓库以 data/ 目录存放测量结果,scripts/ 与 tools/ 目录存放生成与辅助脚本:

  • data/invisible-format-characters.csv:每个 Cf 字符一行,含前进宽度、墨迹、空白行为、规范化与表单 API 判定;
  • data/blank-message-candidates.csv:23 行,记录单个字符在聊天气泡中的表现及是否通过发送按钮空值检查;
  • data/cf-width-resolved.csv:170 行,在 4000 px 下重测并缩放至 16 px 的宽度;
  • data/cf-codepoint-ranges.csv:21 行,连续的 Cf 码位区间;
  • data/unicode-facts.json:Python unicodedata 原始输出;
  • data/render-facts.json:Chromium via Playwright 原始输出;
  • data/blank-message.json:聊天气泡原始输出。

关键测量结果

Unicode 15.1 在 21 个连续码位区间内定义了 170 个 Cf 字符。在 16 px 字号下,170 个字符中有 136 个的前进宽度恰为 0.00 px,其余 34 个前进 1 px 或更多。这一分布说明多数格式字符在浏览器中不占横向空间,但并非全部如此,逐字符的实测值比按类别推断更可靠。

空白字符不等于空白消息

针对「用不可见字符冒充空白消息」的做法,仓库单独测试了 23 个常用候选字符在聊天气泡中的表现,并检查它们能否通过发送按钮的空值校验。结果是 23 个候选中有 16 个通过、7 个未通过;也就是说,单靠某个不可见字符并不足以稳定绕过空消息检查,具体字符的通过情况需查阅候选表。

基本信息

记录数量未知
文件大小未知
文件格式CSV, JSON
数据来源f6946672
字符范围Unicode 15.1 Cf 类别 170 个字符
测量环境Chromium via Playwright
主表行数170
候选表行数23
码位区间数21
许可见仓库 LICENSE 文件
数据落地页https://github.com/f6946672/invisible-characters-dataset
发布日期2026-10-04
Unicode格式字符浏览器渲染文本测量空白消息

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费