Parserfel, ogiltiga webhook-signaturer och misslyckade SQL-sökningar beror ofta på tecken som renderas identiskt – eller helt osynligt – i terminalemulatorer och kodredigerare. Ta till exempel en miljövariabel som kopierats från en dokumentationsportal eller chatt och som visuellt ser exakt ut som api_key=prod:
Visuell rendering: api_key=prod
String.length: 14 (förväntat 12)
UTF-8-bytelängd: 19 byte (förväntat 12 byte)
När denna sträng på 14 kodenheter körs genom Unicode-teckeninspektören avslöjas tre distinkta avvikelser dolda i vad som ser ut som vanlig ASCII-text: en inledande Byte Order Mark (<BOM>), en kyrillisk homoglyf som ersätter latinskt a samt ett inbäddat nollbreddsblanksteg (<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": "Osynligt formattecken med nollbredd"
},
{
"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": "Förväxlingsbar homoglyf för latinskt 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": "Osynligt formattecken med nollbredd"
}
]
Inspektören klargör även varför emojis sammansatta av flera kodpunkter rapporterar helt olika längder i olika körmiljöer. Om man inspekterar den enskilda synliga teknolog-emojin 👨💻 visas tre skalära kodpunkter sammanfogade med <ZWJ> (U+200D), vilket tar upp 5 UTF-16-kodenheter i JavaScript och 11 byte i UTF-8:
Grafemkluster (UAX #29): 1 -> [ "👨💻" ]
Skalära Unicode-kodpunkter: 3 -> U+1F468 (Man) + U+200D (<ZWJ>) + U+1F4BB (Laptop)
UTF-16-kodenheter (.length): 5 -> D83D DC68 + 200D + D83D DCBB
UTF-8-kodade byte: 11 -> F0 9F 91 A8 + E2 80 8D + F0 9F 92 BB