类似的UTF8字符对应ASCII字符

Question

我正在寻找一个包含ASCII字符和外观相同的UTF8字符的表格。我知道它也取决于字体是否相同，但是从通用的角度出发，这已经足够了。

>>> # PY3 code:
>>> a='H'  # ascii
>>> b='Н'  # utf8
>>> a==b
False
>>> ' '.join(format(ord(x), 'b') for x in a)
'1001000'
>>> ' '.join(format(ord(x), 'b') for x in b)
'10000011101'
>>> a='P'  # ascii
>>> b='Ρ'  # utf8
>>> a==b
False
>>> ' '.join(format(ord(x), 'b') for x in a)
'1010000'
>>> ' '.join(format(ord(x), 'b') for x in b)
'1110100001'

- ddofborg

---

“UTF-8字符”只是Unicode字符（准确来说是码点），因为UTF-8只是Unicode的一种编码方式。所以您要找到一种方法来查找与ASCII字符相似的Unicode码点？ - sleske

是的，那就是我的意思。如果不太明显，我很抱歉。 - ddofborg

类似的问题在security.SE上：用于检测欺骗和社交工程攻击的相似字符列表。 - sleske

是的，但我不在寻找“lol”~“lo1”。 - ddofborg

你有一些术语问题。你的问题同样适用于使用Unicode的任何系统，而不仅仅是使用其UTF-8编码存储字符串的系统。你正在使用的所有字符都是Unicode。通过ASCII，你似乎指的是C0控制字符和基本拉丁文。UTF-8不被认为是扩展的ASCII。此外，你的for x in a迭代Unicode代码点，而不是UTF-8代码单元。（==比较的是UTF-8代码单元的序列。） - Tom Blodget

Answer 1

这是一个非常有用的工具，它会显示所有看起来相似的字符，并让您选择是否它们真正足够相似 :)

https://unicode.org/cldr/utility/confusables.jsp?a=test&r=None

一些其他资源：

• 这被称为视觉欺骗

• Python包，用于检测易混淆字符

- ddofborg