Los fallos de análisis sintáctico (parsers), las discrepancias en firmas de webhooks y las búsquedas SQL fallidas suelen originarse en caracteres que se renderizan de forma idéntica —o completamente invisible— en emuladores de terminal y editores de código. Considera una variable de entorno copiada de un portal de documentación o mensaje de chat que parece visualmente idéntica a api_key=prod:
Visual rendering: api_key=prod
String.length: 14 (expected 12)
UTF-8 byte length: 19 bytes (expected 12 bytes)
Al pasar esa cadena de 14 unidades por el Inspector de Caracteres Unicode, se descubren tres anomalías distintas ocultas dentro de un texto aparentemente ASCII plano: una marca de orden de bytes inicial (<BOM>), un homóglifo cirílico que reemplaza a la a latina y un espacio de ancho cero incrustado (<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"
}
]
El inspector también aclara por qué los emojis compuestos por múltiples puntos de código reportan longitudes tan diferentes según el entorno de ejecución. Al inspeccionar el único emoji visible de tecnólogo 👨💻, se revelan tres puntos de código escalares unidos por <ZWJ> (U+200D), que ocupan 5 unidades de código UTF-16 en JavaScript y 11 bytes en UTF-8:
Grapheme clusters (UAX #29): 1 -> [ "👨💻" ]
Unicode scalar code points: 3 -> U+1F468 (Man) + U+200D (<ZWJ>) + U+1F4BB (Laptop)
UTF-16 code units (.length): 5 -> D83D DC68 + 200D + D83D DCBB
UTF-8 encoded bytes: 11 -> F0 9F 91 A8 + E2 80 8D + F0 9F 92 BB