यूनिकोड कैरेक्टर इंस्पेक्टर

अपने ब्राउज़र में यूनिकोड स्ट्रिंग्स के प्रत्येक कैरेक्टर की जांच करें।

कोई अपलोड नहींसाइन-अप की आवश्यकता नहींतुरंत परिणाम
Unicode और UTF-8/16Zero-Width और होलोग्लिफ़100% लोकल • ज़ीरो अपलोड
वर्णों की जाँच करें
ऑफ़लाइन इंजन तैयार हैब्राउज़र में 100% निजी वर्कस्पेस • शून्य क्लाउड अपलोड
100% निजी • शून्य सर्वर फ़ाइल अपलोड

Utiliome का मुफ़्त यूनिकोड कैरेक्टर इंस्पेक्टर क्यों उपयोग करें?

सख्त गोपनीयता और त्वरित निष्पादन के लिए निर्मित। कोई सदस्यता या पंजीकरण आवश्यक नहीं है।

अदृश्य और Bidi ओवरराइड की पहचान

U+200B ZWSP, U+FEFF BOM, U+00A0 NBSP, U+00AD सॉफ्ट हाइफ़न और Trojan Source बायडायरेक्शनल ओवरराइड्स (U+202A से U+202E, U+2066 से U+2069) सहित नॉन-प्रिंटिंग कंट्रोल और फॉर्मेट कैरेक्टर्स को उजागर करता है।

UTF-8 और UTF-16LE/BE बाइट विश्लेषण

UTF-16LE और UTF-16BE कोड यूनिट्स के साथ सटीक हेक्साडेसिमल UTF-8 बाइट अनुक्रम (RFC 3629 के अनुसार 1 से 4 बाइट्स) प्रदर्शित करता है, और U+FFFF से ऊपर के सप्लीमेंट्री प्लेन्स के लिए सरोगेट पेयर्स को दिखाता है।

UAX #29 ग्राफ़ीम बनाम कोड-यूनिट मेट्रिक्स

स्ट्रिंग-स्लाइसिंग बग्स और डेटाबेस कॉलम ओवरफ़्लो का निदान करने के लिए यूनिकोड स्केलर काउंट्स, जावास्क्रिप्ट UTF-16 कोड यूनिट्स और UTF-8 बाइट लंबाई के साथ एक्सटेंडेड ग्राफ़ीम क्लस्टर्स की तुलना करता है।

होमोग्लिफ डायग्नोस्टिक्स और ज़ीरो-अपलोड गोपनीयता

सिरिलिक बनाम लैटिन ग्लिफ्स और टाइपोग्राफिक स्मार्ट विराम चिह्नों जैसे UTS #39 भ्रामक हमशक्ल कैरेक्टर्स को पूरी तरह से ब्राउज़र मेमोरी में क्लाइंट-साइड फ्लैग करता है, ताकि आपके टोकन, लॉग और कोड कभी भी आपके डिवाइस से बाहर न जाएं।

Utiliome बनाम पारंपरिक क्लाउड विकल्प

पुराने क्लाउड टूल्स के विरुद्ध हमारे लोकल-फ़र्स्ट WebAssembly इंजन की तुलना करें।

विशेषता Utiliome (लोकल ब्राउज़र) पुराने क्लाउड कनवर्टर
अदृश्य और Bidi ओवरराइड की पहचान U+200B ZWSP, U+FEFF BOM, U+00A0 NBSP, U+00AD सॉफ्ट हाइफ़न और Trojan Source बायडायरेक्शनल ओवरराइड्स (U+202A से U+202E, U+2066 से U+2069) सहित नॉन-प्रिंटिंग कंट्रोल और फॉर्मेट कैरेक्टर्स को उजागर करता है। उन्नत कस्टमाइज़ेशन के बिना सीमित विकल्प
UTF-8 और UTF-16LE/BE बाइट विश्लेषण UTF-16LE और UTF-16BE कोड यूनिट्स के साथ सटीक हेक्साडेसिमल UTF-8 बाइट अनुक्रम (RFC 3629 के अनुसार 1 से 4 बाइट्स) प्रदर्शित करता है, और U+FFFF से ऊपर के सप्लीमेंट्री प्लेन्स के लिए सरोगेट पेयर्स को दिखाता है। बाहरी टूल्स या मैनुअल प्रोसेसिंग की आवश्यकता
डेटा गोपनीयता और प्रोसेसिंग 100% ब्राउज़र में लोकल प्रोसेसिंग (सर्वर अपलोड शून्य) डेटा को बाहरी क्लाउड सर्वर पर अपलोड करता है
मूल्य और अकाउंट आवश्यकता बिना साइन-अप के हमेशा के लिए 100% मुफ़्त अकाउंट साइन-अप या पेड सब्सक्रिप्शन अनिवार्य
यह कैसे काम करता है

3 आसान चरणों में यूनिकोड कैरेक्टर इंस्पेक्टर का उपयोग कैसे करें

किसी सॉफ़्टवेयर इंस्टॉलेशन की आवश्यकता नहीं है। सब कुछ सीधे आपके वेब ब्राउज़र में चलता है।

1

टेक्स्ट पेस्ट करें या फ़ाइल ड्रॉप करें

संदिग्ध ज़ीरो-विड्थ कैरेक्टर्स, टूटे हुए इमोजी अनुक्रमों या अप्रत्याशित बाइट लंबाई वाली कोई स्ट्रिंग, आइडेंटिफ़ायर, लॉग एंट्री पेस्ट करें या UTF-8 फ़ाइल अपलोड करें।

2

प्रति-कैरेक्टर मेटाडेटा की जांच करें

प्रत्येक कैरेक्टर के U+XXXX स्केलर कोड पॉइंट, आधिकारिक यूनिकोड नाम, जनरल कैटेगरी, ब्लॉक असाइनमेंट, UTF-8 और UTF-16LE/BE हेक्स बाइट्स और सुरक्षा चेतावनी बैज की समीक्षा करें।

3

विसंगतियों को अलग करें या साफ़ आउटपुट कॉपी करें

सीधे अदृश्य फॉर्मेट कैरेक्टर्स या भ्रामक होमोग्लिफ्स को फ़िल्टर करें, अवांछित नॉन-प्रिंटिंग कोड पॉइंट्स को हटाएं, या बग रिपोर्ट के लिए बाइट-स्तरीय निरीक्षण तालिका कॉपी करें।

छिपे हुए कैरेक्टर्स, सरोगेट पेयर्स और होमोग्लिफ्स की जांच करना

त्वरित उत्तर: किसी भी स्ट्रिंग को अलग-अलग यूनिकोड स्केलर मानों में विभाजित करने के लिए पेस्ट करें, जिससे U+200B ज़ीरो विड्थ स्पेस या U+FEFF BOM जैसे अदृश्य कैरेक्टर्स, मल्टी-कोडपॉइंट ZWJ इमोजी अनुक्रम और भ्रामक नॉन-ASCII हमशक्ल कैरेक्टर्स उनके सटीक UTF-8 और UTF-16 बाइट अनुक्रमों के साथ सामने आ जाते हैं।

पार्सर की विफलताएं, वेबहुक सिग्नेचर का मेल न खाना और विफल SQL लुकअप अक्सर उन कैरेक्टर्स के कारण होते हैं जो टर्मिनल एमुलेटर और कोड एडिटर में बिल्कुल एक जैसे—या पूरी तरह से अदृश्य—दिखाई देते हैं। किसी डॉक्यूमेंटेशन पोर्टल या चैट संदेश से कॉपी किए गए एक एनवायरनमेंट वेरिएबल पर विचार करें जो देखने में बिल्कुल api_key=prod जैसा लगता है:

Visual rendering:  api_key=prod
String.length:     14 (expected 12)
UTF-8 byte length: 19 bytes (expected 12 bytes)

उस 14-यूनिट की स्ट्रिंग को यूनिकोड कैरेक्टर इंस्पेक्टर से गुज़ारने पर साधारण दिखने वाले ASCII टेक्स्ट के अंदर छिपी तीन अलग-अलग विसंगतियां सामने आती हैं: एक शुरुआती बाइट ऑर्डर मार्क (<BOM>), लैटिन a की जगह एक सिरिलिक होमोग्लिफ, और बीच में जुड़ा एक ज़ीरो विड्थ स्पेस (<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"
  }
]

यह इंस्पेक्टर यह भी स्पष्ट करता है कि मल्टी-कोडपॉइंट इमोजी अलग-अलग रनटाइम में इतनी भिन्न लंबाई क्यों दिखाते हैं। एकल दिखने वाले टेक्नोलॉजिस्ट इमोजी 👨💻 की जांच करने पर <ZWJ> (U+200D) द्वारा जुड़े तीन स्केलर कोड पॉइंट्स का पता चलता है, जो जावास्क्रिप्ट में 5 UTF-16 कोड यूनिट्स और UTF-8 में 11 बाइट्स घेरते हैं:

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

यूनिकोड एनकोडिंग मैकेनिक्स, ग्राफ़ीम सीमाएं और सुरक्षा जोखिम

त्वरित उत्तर: यूनिकोड 17 प्लेन्स में फैले 1,112,064 वैध स्केलर मानों को वेरिएबल-विड्थ UTF-8 (RFC 3629 के अनुसार 1 से 4 बाइट्स) या UTF-16 (RFC 2781 के अनुसार सरोगेट पेयर्स के माध्यम से 2 या 4 बाइट्स) में मैप करता है। ग्राफ़ीम क्लस्टर्स, कैननिकल नॉर्मलाइज़ेशन फॉर्म्स और अदृश्य bidi कंट्रोल्स के बीच की विसंगतियां पार्सर बग्स और सुरक्षा कमजोरियों का कारण बनती हैं।

स्केलर मान, UTF-8 प्रीफ़िक्स बिट्स (RFC 3629), और UTF-16 सरोगेट्स (RFC 2781)

यूनिकोड कोडस्पेस 65,536 कोड पॉइंट्स वाले 17 प्लेन्स में U+0000 से लेकर U+10FFFF तक फैला हुआ है। 2,048 आरक्षित सरोगेट स्थानों (U+D800 से U+DFFF) को छोड़कर, ठीक 1,112,064 यूनिकोड स्केलर मान मौजूद हैं:

  • UTF-8 प्लेन 0 बेसिक लैटिन (U+0000 से U+007F) को 1 बाइट (0xxxxxxx) में, U+0080 से U+07FF को 2 बाइट्स (110xxxxx 10xxxxxx) में, शेष बेसिक मल्टीलिंगुअल प्लेन (BMP) कैरेक्टर्स (U+0800 से U+FFFF) को 3 बाइट्स (1110xxxx 10xxxxxx 10xxxxxx) में, और सप्लीमेंट्री एस्ट्रल प्लेन्स (U+10000 से U+10FFFF) को 4 बाइट्स (11110xxx 10xxxxxx 10xxxxxx 10xxxxxx) में एनकोड करता है। चूंकि कंटीन्यूएशन बाइट्स हमेशा 10 से शुरू होते हैं, इसलिए UTF-8 सेल्फ-सिंक्रोनाइज़िंग है और इसमें नॉन-नल कैरेक्टर्स के अंदर कभी भी नल (0x00) बाइट्स नहीं होते हैं।
  • UTF-16 BMP स्केलर मानों को सीधे एक 16-बिट कोड यूनिट के रूप में दर्शाता है। U+10000 से U+10FFFF तक के कैरेक्टर्स 20-बिट ऑफ़सेट (0x00000 से 0xFFFFF) प्राप्त करने के लिए 0x10000 घटाते हैं, ऊपरी 10 बिट्स को लीड/हाई सरोगेट (0xD800 से 0xDBFF) में और निचले 10 बिट्स को ट्रेल/लो सरोगेट (0xDC00 से 0xDFFF) में विभाजित करते हैं। UTF-16BE सबसे महत्वपूर्ण बाइट को पहले सीरियलाइज़ करता है (D8 3D DC 80), जबकि UTF-16LE प्रत्येक 16-बिट यूनिट के भीतर बाइट क्रम को उलट देता है (3D D8 80 DC)।

कैननिकल समतुल्यता (UAX #15) और ग्राफ़ीम सेगमेंटेशन (UAX #29)

देखने में एक जैसे लगने वाले टेक्स्ट के अंतर्निहित बाइट रिप्रेजेंटेशन अक्सर अलग-अलग होते हैं। यूनिकोड स्टैंडर्ड एनेक्स #15 के तहत, é को Normalization Form C (NFC) में प्रीकंपोज्ड U+00E9 (UTF-8 C3 A9) के रूप में या Normalization Form D (NFD) में बेस U+0065 (e) और उसके बाद U+0301 (COMBINING ACUTE ACCENT, जनरल कैटेगरी Mn, UTF-8 65 CC 81) के रूप में संग्रहीत किया जा सकता है। macOS फ़ाइल सिस्टम फ़ाइल नामों को NFD आकारों की ओर नॉर्मलाइज़ करते हैं जबकि Linux, Windows और ब्राउज़र फ़ॉर्म सबमिशन डिफ़ॉल रूप से NFC का उपयोग करते हैं—जिससे पहले नॉर्मलाइज़ किए बिना साधारण बाइट-वार स्ट्रिंग तुलना, S3 ऑब्जेक्ट की (key) लुकअप और HMAC जांच विफल हो जाती है।

इसी तरह, UTF-16 इंडेक्स (str.slice(0, 10)) द्वारा स्ट्रिंग्स को स्लाइस करने से एक हाई सरोगेट अपने लो सरोगेट से अलग हो सकता है (जिससे अकेले अनपेयर्ड सरोगेट्स बनते हैं जो UTF-8 में U+FFFD रिप्लेसमेंट कैरेक्टर्स में सीरियलाइज़ होते हैं) या एक बेस कैरेक्टर अपने कंबाइनिंग डायाक्रिटिक्स, वेरिएशन सेलेक्टर्स (U+FE0E, U+FE0F), या रीजनल फ्लैग इंडिकेटर्स (U+1F1E6 से U+1F1FF) से अलग हो सकता है। उपयोगकर्ता को दिखाई देने वाले कैरेक्टर्स को UAX #29 एक्सटेंडेड ग्राफ़ीम क्लस्टर सीमाओं के अनुसार सेगमेंट किया जाना चाहिए।

Trojan Source (`CVE-2021-42574`) और UTS #39 भ्रामक कैरेक्टर्स

यूनिकोड में कैरेक्टर्स की दो श्रेणियां गंभीर एप्लिकेशन-सुरक्षा खतरे पैदा करती हैं:

  1. बायडायरेक्शनल ओवरराइड्स (Cf): कोड पॉइंट्स U+202A से U+202E (<LRE>, <RLE>, <PDF>, <LRO>, <RLO>) और आइसोलेट्स U+2066 से U+2069 (<LRI>, <RLI>, <FSI>, <PDI>) टेक्स्ट रेंडरर्स को तार्किक मेमोरी क्रम को बदले बिना डिस्प्ले क्रम को उलटने का निर्देश देते हैं। हमलावर कमेंट्स या स्ट्रिंग लिटरल्स (CVE-2021-42574) के अंदर सक्रिय कंडीशनल चेक को छिपाने के लिए अनटर्मिनेटेड bidi कंट्रोल्स का उपयोग करते हैं।
  2. होमोग्लिफ स्पूफिंग (UTS #39): क्रॉस-स्क्रिप्ट हमशक्ल (U+0430 सिरिलिक а, U+03BF ग्रीक ο, U+FF21 फुलविड्थ A) हमलावरों को भ्रामक डोमेन नाम (IDN होमोग्राफ अटैक) बनाने, सोर्स कोड में वेरिएबल्स को शैडो करने (CVE-2021-42694), या कीवर्ड ब्लॉकलिस्ट को बायपास करने की अनुमति देते हैं।

यूनिकोड कैरेक्टर इंस्पेक्टर बनाम अन्य टेक्स्ट और एनकोडिंग टूल्स

त्वरित उत्तर: छिपे हुए कंट्रोल कोड्स, होमोग्लिफ्स और बाइट अनुक्रमों के लिए किसी स्ट्रिंग के प्रत्येक कैरेक्टर का ऑडिट करने के लिए यूनिकोड कैरेक्टर इंस्पेक्टर का उपयोग करें। स्टैटिक 0 से 255 कोड लुकअप के लिए ASCII टेबल, बल्क टेक्स्ट-टू-कोडपॉइंट रूपांतरण के लिए यूनिकोड कन्वर्टर, या भाषा-विशिष्ट एस्केप लिटरल्स के लिए यूनिकोड एस्केप टूल का उपयोग करें।

आप किसी अज्ञात स्ट्रिंग का निदान कर रहे हैं, मानक बाइट चार्ट देख रहे हैं, या सोर्स कोड के लिए स्ट्रिंग लिटरल्स को बदल रहे हैं, इसके आधार पर कैरेक्टर और एनकोडिंग क्लस्टर में सही टूल चुनें:

क्षमता यूनिकोड कैरेक्टर इंस्पेक्टर ASCII टेबल यूनिकोड कन्वर्टर यूनिकोड एस्केप टूल
मुख्य वर्कफ़्लो पेस्ट की गई स्ट्रिंग्स या फ़ाइलों का प्रति-कैरेक्टर डायग्नोस्टिक ऑडिट बाइट कोड 0–255 के लिए इंटरैक्टिव रेफरेंस चार्ट टेक्स्ट, कोड पॉइंट्स और बाइट ऐरे के बीच बल्क रूपांतरण सोर्स-कोड स्ट्रिंग लिटरल्स को एस्केप और अनएस्केप करना
छिपे और Bidi चेतावनियां <ZWSP>, <BOM>, <NBSP> और Trojan Source bidi कोड्स को हाइलाइट करता है C0 (0–31, 127) और C1 (128–159) कंट्रोल कोड्स की सूची देता है सुरक्षा बैज के बिना कंट्रोल कोड्स को संख्यात्मक रूप से एनकोड करता है नॉन-ASCII कैरेक्टर्स को दृश्यमान \uXXXX एस्केप्स में बदलता है
होमोग्लिफ पहचान क्रॉस-स्क्रिप्ट UTS #39 हमशक्लों और स्मार्ट विराम चिह्नों को फ्लैग करता है केवल 7-बिट US-ASCII और ISO-8859-1 Latin-1 को कवर करता है कोई भ्रामक स्क्रिप्ट विश्लेषण नहीं कोई भ्रामक स्क्रिप्ट विश्लेषण नहीं
ग्राफ़ीम बनाम UTF-16 अंतर UAX #29 ग्राफ़ीम, स्केलर पॉइंट्स, UTF-16 यूनिट्स और UTF-8 बाइट्स दिखाता है फिक्स्ड 1-बाइट (8-bit) टेबल पंक्तियां पूर्ण UTF-8, UTF-16 और UTF-32 स्ट्रीम्स आउटपुट करता है UTF-16 सरोगेट्स को सुरक्षित रखता है या पेयर करता है (\uD83D\uDE80 बनाम \u{1F680})
भाषा एस्केप सिंटैक्स रॉ हेक्स कोड पॉइंट्स (U+XXXX) और बाइट मान प्रदर्शित करता है C/JS एस्केप्स, कैरेट नोटेशन (^M) और HTML एंटिटीज़ दिखाता है हेक्स/डेसिमल कोड पॉइंट सूचियों को फॉर्मेट करता है समर्पित JS, JSON, Python, CSS, Rust और HTML एस्केप मोड्स
  • जब आपको 7-बिट US-ASCII (0–127) और एक्सटेंडेड Latin-1 (128–255) बाइनरी बिटमास्क, ऑक्टल कोड्स और टर्मिनल कैरेट नोटेशन के लिए तेज़ लुकअप चार्ट की आवश्यकता हो, तो ASCII टेबल पर स्विच करें।
  • जब आप टेक्स्ट के पूरे ब्लॉक को निरंतर U+XXXX सूचियों या UTF-8/UTF-16/UTF-32 हेक्साडेसिमल स्ट्रीम्स में बैच-कन्वर्ट करना चाहते हैं, तो यूनिकोड कन्वर्टर का उपयोग करें।
  • JSON पेलोड और सोर्स फ़ाइलों के लिए \uXXXX, \u{XXXXX}, \xXX, या CSS \XXXXXX अनुक्रमों को तैयार या डिकोड करते समय यूनिकोड एस्केप टूल का उपयोग करें, या SEO मेटा टैग और SMS GSM-7/UCS-2 सेगमेंट सीमाओं के विरुद्ध कॉपी की जांच करते समय कैरेक्टर काउंटर खोलें।
अक्सर पूछे जाने वाले प्रश्न

यूनिकोड कैरेक्टर इंस्पेक्टर: अक्सर पूछे जाने वाले प्रश्न और गाइड

Utiliome के मुफ़्त ऑनलाइन यूनिकोड कैरेक्टर इंस्पेक्टर का उपयोग करने के बारे में सब कुछ।

एकल दृश्यमान कैरेक्टर के लिए जावास्क्रिप्ट String.length 2 या अधिक क्यों लौटाता है?

JavaScript, Java और C# यूनिकोड स्केलर मानों या UAX #29 एक्सटेंडेड ग्राफ़ीम क्लस्टर्स के बजाय 16-बिट UTF-16 कोड यूनिट्स में स्ट्रिंग की लंबाई मापते हैं। बेसिक मल्टीलिंगुअल प्लेन के बाहर के किसी भी कैरेक्टर (U+FFFF से ऊपर, जैसे U+1F680 रॉकेट) को हाई और लो सरोगेट पेयर की आवश्यकता होती है, जिससे इसकी .length 2 हो जाती है। U+200D ज़ीरो विड्थ जॉइनर (<ZWJ>) और U+FE0F वेरिएशन सेलेक्टर-16 से जुड़े कंपोजिट इमोजी अनुक्रम कई स्केलर मानों को एक विज़ुअल ग्लिफ में जोड़ते हैं, जिससे अक्सर 5 और 11 के बीच .length मान प्राप्त होते हैं।

कौन से अदृश्य यूनिकोड कैरेक्टर्स सबसे अधिक बार JSON, YAML और सोर्स कोड को खराब करते हैं?

चार सबसे आम कारण हैं: U+00A0 नो-ब्रेक स्पेस (<NBSP>, जो अक्सर macOS पर Option+Space के माध्यम से गलती से टाइप हो जाता है, और YAML इंडेंटेशन तथा SQL पार्सर्स को तोड़ता है), U+FEFF बाइट ऑर्डर मार्क (<BOM>, जो Windows एडिटर्स द्वारा सहेजी गई फ़ाइलों को जोड़ते समय बीच में जुड़ जाता है), U+200B ज़ीरो विड्थ स्पेस (<ZWSP>, जो रिच-टेक्स्ट डॉक्स, PDF या चैट ऐप्स से API टोकन में कॉपी हो जाता है), और ASCII सीधे कोट्स (U+0022) की जगह लेने वाले टाइपोग्राफिक स्मार्ट कोट्स (U+201C और U+201D)।

मैं कोड स्निपेट्स में Trojan Source बायडायरेक्शनल ओवरराइड हमलों का पता कैसे लगा सकता हूँ?

Trojan Source (CVE-2021-42574) नौ यूनिकोड जनरल कैटेगरी Cf बायडायरेक्शनल कंट्रोल कैरेक्टर्स—U+202A (<LRE>), U+202B (<RLE>), U+202C (<PDF>), U+202D (<LRO>), U+202E (<RLO>), U+2066 (<LRI>), U+2067 (<RLI>), U+2068 (<FSI>), और U+2069 (<PDI>)—का फायदा उठाकर सोर्स टोकन को देखने में इस तरह पुनर्व्यवस्थित करता है कि मानवीय समीक्षा के दौरान निष्पादन योग्य स्टेटमेंट्स कमेंट किए हुए प्रतीत होते हैं। संदिग्ध कोड को इंस्पेक्टर में पेस्ट करने से प्रत्येक छिपा हुआ bidi कोड पॉइंट उसके सटीक कैरेक्टर इंडेक्स पर उजागर हो जाता है।

देखने में बिल्कुल एक जैसी दो एक्सेंटेड स्ट्रिंग्स स्ट्रिक्ट इक्वलिटी चेक में विफल क्यों हो जाती हैं?

यूनिकोड UAX #15 के तहत कई कैननिकल रूप से समतुल्य रिप्रेजेंटेशन की अनुमति देता है। उदाहरण के लिए, Normalization Form C (NFC) में 'é' एक एकल प्रीकंपोज्ड स्केलर मान U+00E9 (UTF-8 बाइट्स C3 A9) है, जबकि Normalization Form D (NFD) में इसमें दो स्केलर मान शामिल होते हैं: U+0065 ('e') और उसके बाद कंबाइनिंग एक्यूट एक्सेंट U+0301 (UTF-8 बाइट्स 65 CC 81)। दोनों स्ट्रिंग्स की जांच करने से अलग-अलग कोड पॉइंट अनुक्रम सामने आ जाते हैं ताकि आप हैशिंग या तुलना करने से पहले .normalize('NFC') लागू कर सकें।

क्या पेस्ट किया गया टेक्स्ट या अपलोड किया गया डेटा किसी सर्वर पर भेजा जाता है?

नहीं। कैरेक्टर सेगमेंटेशन, कोड पॉइंट एक्सट्रैक्शन, UTF-8 और UTF-16LE/BE बाइट गणना, और भ्रामक होमोग्लिफ जांच नेटिव क्लाइंट-साइड जावास्क्रिप्ट API का उपयोग करके पूरी तरह से आपके ब्राउज़र में चलती हैं। API कुंजियां, प्रोडक्शन लॉग्स और निजी सोर्स स्निपेट्स पूरी तरह से लोकल मेमोरी में ही रहते हैं।