Zero Width Joiner (ZWJ) : comprendre, détecter et corriger

Qu'est-ce que le zero width joiner ?

Le ZWJ est un caractère de formatage Unicode invisible qui indique au moteur de rendu d’unir des glyphes adjacents.

Les éléments essentiels à connaître sur le ZWJ :

1 Définition et code Unicode

Caractère invisible de catégorie Cf (Format) utilisé pour joindre des glyphes.

ZWJ (U+200D) • UTF-8: E2 80 8D

2 ZWJ vs ZWNJ et autres contrôles

Le ZWNJ (U+200C) empêche la jonction, le ZWJ (U+200D) l’encourage.

ZWNJ (U+200C) • ZWJ (U+200D) • Catégorie: Cf

3 Caractères proches souvent confondus

Ils sont invisibles mais n’ont pas le même rôle :

ZWSP (U+200B) - Espace sans largeur

ZWJ (U+200D) - Joint deux glyphes

NBSP (U+00A0) - Espace insécable (visible en largeur)

ZWNBSP/BOM (U+FEFF) - Marque d’ordre d’octets historique

4 Utilisations courantes du ZWJ

Typographie, écritures complexes et émojis :

Ligatures conditionnelles

Scripts Brahmiques/Arabe (formation de formes)

Émojis composés: 👨‍💻, 👩‍👩‍👧‍👦, 🏳️‍🌈, 🇫🇷

Problèmes classiques

Copier-coller depuis le web, Slack ou Word

Insère des ZWJ dans des identifiants, chemins ou CSV (surtout autour d’émojis).

Tests unitaires qui échouent

Une chaîne contient un ZWJ (U+200D) invisible qui fait planter une égalité stricte.

Trim() ou strip() inefficace

Le ZWJ n’est pas un espace : les trims n’y touchent pas et les validations passent à côté.

Regex qui ratent le contrôle de format

Le ZWJ est un caractère de format (Cf) : ni \s ni \w ne le couvrent toujours. Utilisez \x{200D} ou \p{Join_Control} quand disponible.

Exemple de problème courant :

# Chaînes visuellement identiques mais différentes

string1 = "email@domain.com"

string2 = "email@domain.com‍" # Contient U+200D à la fin

assert string1 == string2 # ❌ Échec

Symptômes qui doivent vous alerter

🚨 Signaux d'alarme

!

Un diff git montre des changements alors que tout semble identique à l’écran

!

Des parsers ou split() se comportent bien, mais des comparaisons échouent sans raison

!

Un .env semble correct mais une clé ne charge pas (ZWJ caché)

!

Des émojis se séparent en plusieurs symboles au lieu d’une séquence combinée

!

Un copier-coller de commande ou d’URL échoue de façon inexplicable

Comment les détecter

✨ Solution recommandée : Clean ASCII

Clean ASCII repère instantanément le zero width joiner et autres caractères invisibles. L’analyse met en évidence U+200D, son contexte et les positions exactes pour un correctif immédiat.

✅ Détection automatique

ZWJ, ZWNJ, ZWSP, NBSP, BOM, soft hyphens, contrôles

📊 Analyse complète

Codes Unicode, emplacements, contexte d’usage et conseils

🧹 Nettoyage automatique

Suppression ou substitution raisonnée des joiners superflus

💾 Export propre

Téléchargez un texte nettoyé, prêt pour vos pipelines

🔍 Détecter le ZWJ dans mon texte

Autres méthodes de détection

Affichage dans l'éditeur

✓ Activez “render whitespace / show invisibles” et affichez les contrôles de format

✓ Installez une extension qui signale U+200D et les catégories Unicode Cf

En ligne de commande (Unix)

# Rechercher précisément le ZWJ (UTF-8: E2 80 8D)

grep -P "\xE2\x80\x8D" fichier.txt

# Visualiser les fins de ligne et caractères non imprimables

sed -n l fichier.txt

# Afficher les contrôles et marqueurs invisibles

cat -A fichier.txt

# Inspecter les octets pour repérer E2 80 8D

hexdump -C fichier.txt

En code

JavaScript

Array.from(str).reduce((a,c,i)=>c==='\u200D'?[...a,i]:a,[])

Python

[i for i, c in enumerate(s) if c == '\u200D']

Excel / Google Sheets

FIND(CHAR(8205); cellule)

Nettoyer et prévenir

🚀 Solution rapide avec Clean ASCII

Avant de coder un correctif sur-mesure, passez votre texte dans Clean ASCII pour détecter et retirer les ZWJ hors contexte.

✓ Détection des U+200D

✓ Nettoyage intelligent

✓ Export immédiat

Nettoyer maintenant

Méthodes techniques avancées

🔧 Normaliser

✓ Appliquez Unicode NFC/NFKC, puis traitez explicitement U+200D si nécessaire

✓ Supprimez les ZWJ redondants hors contextes emoji ou scripts qui l’exigent

✓ Uniformisez les fins de ligne (dos2unix, gitattributes) pour stabiliser les diffs

🧹 Filtrer

✓ Écrivez des fonctions trim_joiners() pour effacer U+200D hors whitelist

✓ Autorisez le ZWJ uniquement dans les séquences emoji valides

✓ Bloquez les caractères de contrôle de format indésirables (catégorie Cf) à l’entrée

⚙️ Automatiser

✓ Hooks pre-commit pour refuser des fichiers contenant U+200D dans le code source

✓ Tests sur les inputs pour empêcher ZWJ dans identifiants, emails, URLs

✓ Linting CI qui alerte sur les catégories Unicode Cf et séquences anormales

Checklist rapide

Fichiers en UTF-8 sans BOM, affichage des invisibles activé

Fins de ligne uniformes via gitattributes pour des diffs fiables

Éditeur ou linter signalant U+200D et autres contrôles de format

Fonction de nettoyage des joiners hors contextes autorisés

Tests validant l’absence de ZWJ dans les identifiants critiques

Documentation interne sur ZWJ/ZWNJ/émojis combinés

Conclusion

Le zero width joiner est discret mais déterminant. Bien géré, il améliore le rendu; ignoré, il complique vos traitements.

Mettez en place une détection systématique d’U+200D, contrôlez son usage et standardisez vos flux pour éviter les surprises.

Zero width joiner (ZWJ) : impacts invisibles dans vos textes