Les échecs d'analyse syntaxique, les erreurs de signature de webhook et les requêtes SQL infructueuses proviennent fréquemment de caractères qui s'affichent de manière identique — ou totalement invisible — dans les émulateurs de terminal et les éditeurs de code. Prenons l'exemple d'une variable d'environnement copiée depuis un portail de documentation ou un message de chat qui semble visuellement identique à api_key=prod :
Rendu visuel : api_key=prod
String.length : 14 (attendu : 12)
Longueur d'octets UTF-8 : 19 octets (attendu : 12 octets)
Le passage de cette chaîne de 14 unités dans l'Inspecteur de Caractères Unicode révèle trois anomalies distinctes cachées dans un texte d'apparence ASCII : un indicateur d'ordre des octets (<BOM>) en tête, un homoglyphe cyrillique remplaçant le a latin et une espace sans chasse (<ZWSP>) intégrée :
[
{
"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": "Caractère de formatage invisible de largeur nulle"
},
{
"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": "Homoglyphe confondable avec le caractère 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": "Caractère de formatage invisible de largeur nulle"
}
]
L'inspecteur explique également pourquoi les émojis composés de plusieurs points de code renvoient des longueurs très différentes selon les environnements d'exécution. L'inspection du seul émoji visible de technologue 👨💻 révèle trois points de code scalaires joints par <ZWJ> (U+200D), occupant 5 unités de code UTF-16 en JavaScript et 11 octets en UTF-8 :
Grappes de graphèmes (UAX #29) : 1 -> [ "👨💻" ]
Points de code scalaires : 3 -> U+1F468 (Homme) + U+200D (<ZWJ>) + U+1F4BB (Ordinateur)
Unités de code UTF-16 (.length): 5 -> D83D DC68 + 200D + D83D DCBB
Octets encodés en UTF-8 : 11 -> F0 9F 91 A8 + E2 80 8D + F0 9F 92 BB