用户把敏感词每个字之间插入 U+200B，正文看起来完全正常，词库匹配结果全是 0，内容直接发布出去了。第一次遇到会往复杂处想，其实漏掉的多是个小前提。
text = re.sub('[\u200b-\u200f\ufeff]', '', raw)
print(len(raw), len(text))
正则按连续字符匹配，中间夹了零宽字符就断开了。清洗流程只去普通空格，零宽空格和方向控制符都留了下来。这一点先确认清楚，后面就不用反复试。
「零宽字符绕过」这类改动最怕改一半，回滚脚本先准备好，再动生产。临时改动用注释写上日期和原因，过两周自己都记不清为什么这么写。
动手前把原文件复制一份带时间戳，出问题立刻换回去，比现场分析快得多。一次只改一处，改完立刻验证，几个改动叠在一起，出问题就说不清是谁导致的。
具体做法是，入库前过滤 U+200B 到 U+200F 以及 U+FEFF 这些不可见字符；匹配时先把文本压成纯可见字符再跑词库；保留原始文本用于审计，别直接覆盖。
改完照着核一遍，插入零宽字符的评论被拦下，后台能同时看到原文和清洗后文本。