为什么2+ 40等于42？

360

当一位同事向我展示这一行JavaScript警报42时，我感到困惑。

alert(2+ 40);

展开摘要

很快就发现，看起来像减号的实际上是具有明显不同语义的奥秘Unicode字符。

这让我想知道为什么在解析表达式时该字符不会产生语法错误。我还想知道是否还有更多这样的字符。

javascript unicode

— 转到0
source

28

@Elyasin您复制/粘贴或重新键入吗？

— user253751

4

这也适用于Visual C＃。当将奇怪的字符粘贴到Visual Studio IDE中或通过键入来完成语句时;，编辑器倾向于将奇怪的``字符更改为普通空间，但是如果撤消该“自动更正”，则具有相同的行为。。即使看起来像连字符或减号（使用常规字体），该字符也具有与空格相同的语义。

— 杰普·斯蒂格·尼尔森

4

相反也可能发生。某些在标识符中支持unicode的语言会接受看起来像空白的unicode字符（换句话说，您看不到它们）。甚至可能有完全不可见的标识符。

— gnasher729

58

（OT）因为42是一切

— ivan_pozdeev

4

@Thomas意外结果是由该Unicode字符引起的事实已经很清楚。

— GOTO

470

该字符是“ OGHAM SPACE MARK”，这是一个空格字符。因此，代码等同于alert(2+ 40)。

我还想知道是否还有更多这样的字符。

Zs类中的任何Unicode字符在JavaScript中都是空格字符，但似乎没有那么多。

但是，JavaScript还允许标识符中使用Unicode字符，这使您可以使用有趣的变量名，例如ಠ_ಠ。

— 费利克斯·克林
source

3

带十六进制代码的框下划线带十六进制代码的框下划线。这是什么角色？

— user253751

12

@immibis该答案的最后一部分是可在disapprovallook.com上

— Mark

3

请注意，ZsJavaScript中不仅将字符视为空格。还有更多：github.com/mathiasbynens/regexpu/blob/...

— 马蒂亚斯Bynens

20

我的反应时ಠ_ಠ，可以使用如在JS的标识符：ಠ_ಠ

— 克里斯Cirefice

2

@ChrisCirefice下划线在C样式语言中长期存在，被视为字母。ಠ被视为字母只是常识，因为它是字母。如果ಠ_ಠ不能用作标识符，那将是一个明显的错误。

— 乔恩·汉娜

81

阅读完其他答案后，我写了一个简单的脚本来查找U + 0000–U + FFFF范围内的所有Unicode字符，它们的行为类似于空格。看起来，取决于浏览器，其中有26或27个，但对U + 0085和U + FFFE的意见不同。

请注意，大多数这些字符看起来就像是常规空格。

显示代码段

function isSpace(ch)
{
    try
    {
        return Function('return 2 +' + ch + ' 2')() === 4;
    }
    catch(e)
    {
        return false;
    }
}

for (var i = 0; i <= 0xffff; ++i)
{
    var ch = String.fromCharCode(i);
    if (isSpace(ch))
    {
        document.body.appendChild(document.createElement('DIV')).textContent = 'U+' + ('000' + i.toString(16).toUpperCase()).slice(-4) + '    "' + ch + '"';
    }
}

div { font-family: monospace; }

展开摘要

— 转到0
source

17

U + 0085“ NEL”由Unicode定义为空格，但是长期以来一直被错误处理。U + FFFE是一个非字符，除了NChar外，没有名称，没有任何属性，因此在任何合理的情况下都不应将其视为空格。就是说，我的浏览器在两点上都不同意我的观点：）

— hobbs 2015年

4

@hobbs U + FFFE也是一个\p{Default Ignorable Code Point}，而不仅仅是一个\p{Noncharacter Code Pount}。U + 0085一直是\p{Whitespace}代码点。邪恶的是U + 180E蒙古腔分隔器，“最近”失去了它的\p{Whitespace}财产。请注意，这\p{Pattern Whitespace}是一个更小的集合，并且是不可变的属性。但是\p{Whitespace}不是。

— tchrist

2

FEFF是BOM，可以将其视为文本中的“零宽度不间断空格”。FFFE它是字节序互换的。也许这就是某些浏览器将其视为空白的原因。

— CodesInChaos

ecma-international.org/ecma-262/6.0/#sec-white-space（根据Felix King的回答链接）明确指出U + FEFF在JS源代码中被视为空白。U + FFFE并未列出，但这使我感到疏忽。

— zwol

1

@zwol，这不是遗漏错误，因为没有字符U + FFFE。将其视为空白是一个错误。确实，在大多数情况下，将其视为有效字符是一个错误。根据JS规范，U + 0085并非空白，但是该规范要求U + 0085的特殊包装不能成为新的行，这是奇怪的，并且可以说是规范中的一个错误。

— 乔恩·汉娜

56

看来您正在使用的字符实际上比实际的负号（连字符）更长。

顶部是您正在使用的内容，底部是负号应该是什么。您似乎确实已经知道这一点，所以现在让我们看看为什么Javascript会这样做。

您使用的字符实际上是ogham空格标记，它是一个空格字符，因此它基本上被解释为与空格相同，这意味着您的语句类似于alert(2+ 40)Javascript。

Javascript中还有其他类似的字符。您可以在Wikipedia上查看完整列表。

我注意到该字符的有趣之处在于Google Chrome（和其他可能的浏览器）在页面顶部栏中解释该字符的方式。

在此处输入图片说明

这是一个1680内部的块。这实际上是ogham空格标记的unicode号。看来这只是我的机器在做，但是这很奇怪。

我决定用其他语言尝试一下，看看会发生什么，这些就是我得到的结果。

无法使用的语言：

Python 2和3

>> 2+ 40
  File "<stdin>", line 1
    2+ 40
        ^
SyntaxError: invalid character in identifier

红宝石

>> 2+ 40
NameError: undefined local variable or method ` 40' for main:Object
    from (irb):1
    from /home/michaelpri/.rbenv/versions/2.2.2/bin/irb:11:in `<main>'

Java（main方法内）

>> System.out.println(2+ 40);
Main.java:3: error: illegal character: \5760
            System.out.println(2+?40);
                                 ^
Main.java:3: error: ';' expected
            System.out.println(2+?40);
                                  ^
Main.java:3: error: illegal start of expression
            System.out.println(2+?40);
                                    ^
3 errors

的PHP

>> 2+ 40;
Use of undefined constant  40 - assumed ' 40' :1

C

>> 2+ 40
main.c:1:1: error: expected identifier or '(' before numeric constant
 2+ 40
 ^
main.c:1:1: error: stray '\341' in program
main.c:1:1: error: stray '\232' in program
main.c:1:1: error: stray '\200' in program

exit status 1

走

>> 2+ 40
can't load package: package .: 
main.go:1:1: expected 'package', found 'INT' 2
main.go:1:3: illegal character U+1680

exit status 1

Perl 5

>> perl -e'2+ 40'                                                                                                                                   
Unrecognized character \xE1; marked by <-- HERE after 2+<-- HERE near column 3 at -e line 1.

它可以使用的语言：

方案

>> (+ 2  40)
=> 42

C＃（Main()方法内）

Console.WriteLine(2+ 40);

Output: 42

Perl 6

>> ./perl6 -e'say 2+ 40' 
42

— 迈克尔普里
source

34

Ubuntu不是问题。您正在使用的窗口标题字体是。

— PSkocik

2

尽管我已尽力确保unicode兼容我的系统，但在debian上使用firefox（iceweasel）和google chrome似乎可以很好地显示unicode char。（实际上，我做过的最有用的事情是最简单的方法：sudo apt-get install unicode，尽管只是经过数小时的研究和失败的尝试）

— sig_seg_v 2015年

@PSkocik有趣的是，我之前在这里遇到过字体问题，所以很有可能

— michaelpri

51

@PSkocik “ Ubuntu不是问题。您正在使用的窗口标题字体是。” …这是“ Ubuntu ”。

— user4642212

1

@PSkocik我终于修复了它：)只需要更改系统标题栏字体。

— michaelpri

43

我想它必须与以下事实有关：由于某种奇怪的原因，它归类为空格：

$ unicode  
U+1680 OGHAM SPACE MARK
UTF-8: e1 9a 80  UTF-16BE: 1680  Decimal: &#5760;
  ( )
Uppercase: U+1680
Category: Zs (Separator, Space)
Bidi: WS (Whitespace)

— PSkocik
source

如果您是从终端复制粘贴的内容，我想知道您在哪里找到了命令unicode。

— BenjiWiebe

16

它来自unicodeRadovanGarabík 命名为（waiting it ...）的Ubuntu软件包。相应的仓库位于github.com/garabik/unicode。

— PSkocik

好的，谢谢github链接。AFAICT，它不在Fedora仓库中。

— BenjiWiebe

' '.codePointAt(0)控制台上的@PSkocik 将产生5760。现在是Google 5760 unicode。

— 罗伊·纳米尔

6

我还想知道是否还有更多这样的字符。

我似乎记得有一段时间读过一篇文章，内容是用希腊问号U + 037E巧妙地替换了某人代码中的分号（U + 003B）。

它们看上去都一样（就我所相信的希腊人而言，他们使用的是U + 003B），但本文指出，另一种则行不通。

来自Wikipedia的一些更多信息在这里： https //en.wikipedia.org/wiki/Question_mark#Greek_question_mark

关于将其用作SO本身的恶作剧的一个（封闭的）问题。虽然不是我最初阅读的地方： JavaScript恶作剧/开玩笑

— 中午
source