Parser-Fehler, ungültige Webhook-Signaturen und fehlgeschlagene SQL-Abfragen werden häufig durch Zeichen verursacht, die in Terminal-Emulatoren und Code-Editoren identisch – oder komplett unsichtbar – dargestellt werden. Betrachten wir eine Umgebungsvariable, die aus einem Dokumentationsportal oder einer Chat-Nachricht kopiert wurde und optisch exakt wie api_key=prod aussieht:
Visuelle Darstellung: api_key=prod
String.length: 14 (erwartet: 12)
UTF-8-Bytelänge: 19 Bytes (erwartet: 12 Bytes)
Untersucht man diesen 14 Einheiten langen String im Unicode-Zeichen-Inspektor, kommen drei verschiedene Anomalien zum Vorschein, die sich in scheinbar reinem ASCII-Text verbergen: eine führende Byte Order Mark (<BOM>), ein kyrillisches Homoglyph anstelle des lateinischen a und ein eingebettetes breitenloses Leerzeichen (<ZWSP>):
[
{
"index": 0,
"badge": "<BOM>",
"codePoint": "U+FEFF",
"name": "ZERO WIDTH NO-BREAK SPACE",
"category": "Cf (Format)",
"block": "Arabic Presentation Forms-B",
"utf8Hex": "EF BB BF",
"utf16BE": "FE FF",
"utf16LE": "FF FE",
"warning": "Invisible zero-width format character"
},
{
"index": 1,
"glyph": "а",
"codePoint": "U+0430",
"name": "CYRILLIC SMALL LETTER A",
"category": "Ll (Lowercase Letter)",
"block": "Cyrillic",
"utf8Hex": "D0 B0",
"utf16BE": "04 30",
"utf16LE": "30 04",
"warning": "Confusable homoglyph for Latin U+0061 ('a')"
},
{
"index": 2,
"glyph": "p",
"codePoint": "U+0070",
"name": "LATIN SMALL LETTER P",
"category": "Ll (Lowercase Letter)",
"block": "Basic Latin",
"utf8Hex": "70",
"utf16BE": "00 70",
"utf16LE": "70 00",
"warning": null
},
{
"index": 8,
"badge": "<ZWSP>",
"codePoint": "U+200B",
"name": "ZERO WIDTH SPACE",
"category": "Cf (Format)",
"block": "General Punctuation",
"utf8Hex": "E2 80 8B",
"utf16BE": "20 0B",
"utf16LE": "0B 20",
"warning": "Invisible zero-width format character"
}
]
Der Inspektor verdeutlicht zudem, warum Emojis aus mehreren Codepoints in verschiedenen Laufzeitumgebungen völlig unterschiedliche Längen aufweisen. Die Analyse des einzelnen sichtbaren Technologen-Emojis 👨💻 zeigt drei skalare Codepoints, die durch <ZWJ> (U+200D) verbunden sind und in JavaScript 5 UTF-16-Code-Units sowie 11 Bytes in UTF-8 belegen:
Graphem-Cluster (UAX #29): 1 -> [ "👨💻" ]
Unicode-Skalar-Codepoints: 3 -> U+1F468 (Man) + U+200D (<ZWJ>) + U+1F4BB (Laptop)
UTF-16-Code-Units (.length): 5 -> D83D DC68 + 200D + D83D DCBB
UTF-8-kodierte Bytes: 11 -> F0 9F 91 A8 + E2 80 8D + F0 9F 92 BB