Gli errori dei parser, le mancate corrispondenze delle firme webhook e le query SQL fallite derivano spesso da caratteri che vengono renderizzati in modo identico—o completamente invisibile—negli emulatori di terminale e negli editor di codice. Consideriamo una variabile d'ambiente copiata da un portale di documentazione o da un messaggio in chat che appare visivamente identica ad api_key=prod:
Visual rendering: api_key=prod
String.length: 14 (expected 12)
UTF-8 byte length: 19 bytes (expected 12 bytes)
Analizzando quella stringa di 14 unità con l'Ispettore Caratteri Unicode emergono tre distinte anomalie nascoste all'interno di quello che sembra semplice testo ASCII: un Byte Order Mark iniziale (<BOM>), un omoglifo cirillico che sostituisce la a latina e uno spazio a larghezza zero incorporato (<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"
}
]
L'ispettore chiarisce anche perché le emoji multi-codepoint riportano lunghezze profondamente diverse a seconda del runtime. Ispezionando la singola emoji visibile del tecnologo 👨💻 si scoprono tre code point scalari uniti da <ZWJ> (U+200D), che occupano 5 code unit UTF-16 in JavaScript e 11 byte in 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