粘贴而来的文本中在程序执行过程中出现一部分乱码?的问题

最近遇到了一个很难找的乱码问题。

1. 前端html页面，用户将某些内容粘贴到form表单的框中，然后传到后端。后端再进行其他业务，业务方就提示有非法字符。注意编码的问题不要纠结了，前后端及传输，都是utf-8的。因此排除一个因素
2. 然后对程序做了一点改动，数据刚刚从前端传到后端，后端立马就写入txt文本，文本中就可以看到问号乱码。但是明明白白可以看到，这段文本就是简单的几个汉字，​​/^\S{2,20}$/.test("xxx")​​这样的验证也可以通过，但就是乱码，真是要疯了，怎么办？？
3. 后来想到一个办法，把这段文字粘贴到专业工具里检测一下，然后就发现了问题。

​​字符检测网页​​

字符：南京相‮劳博‬务服务有‮公限‬司

我就把那段文字粘贴出来放在这里了，不知道如果你从网页中再粘贴出去还有没有这个情况（即某些信息有没有丢失）

上图如下：

明显可见，里面是有一些奇怪字符的，而且是不可见字符。即 ​​‮​​ 那么，这个字符究竟是什么呢？

查到了一些，还是有说法的，比如这个：
​​​unicode &#8238；​​

然后一切都明白了。

解决办法：

由于这个问题是文本不知是用户从哪里粘贴来的，然后混有这种奇怪的内容。
如果要避免这个问题，用键盘一个字一个字输入进去就好了，就没有这样的奇怪字符混杂了。

这个问题要不是遇到，真是永远也不会想到还有这回事的。特此记录一下。

补充：

这个网站很强大，可以看看。

​​Unicode 字符百科​​

显然，‮ 这样的是 html 字符表示，而不是unicode。

再补充

那么，如果我想要写一个正则表达式，让含有这样字符串的填写内容不符合规则，怎么办呢？

那么，这个问题就变成了 ​​如何在正则表达式某字符集合中排除某些字符?​​

这个问题还是不太常见的，网上多的是排除某个或某几个字符的。

关键知识点： 零宽断言。

真没想到有朝一日我能在工作中用到零宽断言。

直接上一段C#的代码吧，其他语言一样了。

using System.Text.RegularExpressions;

namespace gbk
{
    class Program
    {
        static void Main(string[] args)
        {
            string inputRight = "南京祥博劳务服务有限公司";  //没有此种特殊字符的文本
            string inputWrong = "南京相‮劳博‬务服务有‮公限‬司";  //有此种特殊字符的文本

            string patternUnicode = "^((?![\u202E-\u202F])\\S){2,50}$";

            Regex regu = new Regex(patternUnicode);

            var aa3 = regu.IsMatch(inputRight); //true
            var aa4 = regu.IsMatch(inputWrong); //false
        }
    }
}