Perché 2+ 40 equivalgono a 42?

Ero sconcertato quando un collega mi ha mostrato questa riga di avviso JavaScript 42.

alert(2+ 40);

Si scopre rapidamente che quello che sembra un segno meno è in realtà un arcano personaggio Unicode con una semantica chiaramente diversa.

Questo mi ha lasciato chiedendo perché quel personaggio non produce un errore di sintassi quando si analizza l'espressione. Vorrei anche sapere se ci sono più personaggi che si comportano così.

Quel personaggio è "OGHAM SPACE MARK" , che è un personaggio spaziale. Quindi il codice è equivalente a alert(2+ 40).

Vorrei anche sapere se ci sono più personaggi che si comportano così.

Qualsiasi personaggio Unicode nella classe Zs è un carattere spazioso in JavaScript , ma non sembrano esserci così tanti .

Tuttavia, JavaScript consente anche caratteri Unicode negli identificatori , che consente di utilizzare nomi di variabili interessanti come ಠ_ಠ.

Dopo aver letto le altre risposte, ho scritto un semplice script per trovare tutti i caratteri Unicode nell'intervallo U + 0000 – U + FFFF che si comportano come spazi bianchi. A quanto pare, ce ne sono 26 o 27 a seconda del browser, con disaccordi su U + 0085 e U + FFFE.

Nota che la maggior parte di questi personaggi sembra un normale spazio bianco.

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; }

Sembra che il personaggio che stai usando sia in realtà più lungo di quello che è il segno meno (un trattino).

 
-

La parte superiore è ciò che stai usando, la parte inferiore è ciò che dovrebbe essere il segno meno. Sembra che tu lo sappia già, quindi ora vediamo perché Javascript lo fa.

Il personaggio che usi è in realtà il segno dello spazio ogham che è un carattere di spazio bianco, quindi è sostanzialmente interpretato come la stessa cosa di uno spazio, il che significa che la tua affermazione assomiglia alert(2+ 40)a Javascript.

Ci sono altri personaggi come questo in Javascript. Puoi vedere un elenco completo qui su Wikipedia .

Qualcosa di interessante che ho notato di questo personaggio è il modo in cui Google Chrome (e possibili altri browser) lo interpretano nella barra superiore della pagina.

È un blocco con 1680dentro di esso. Questo è in realtà il numero unicode per il segno dello spazio ogham. Sembra che sia solo la mia macchina a farlo, ma è una cosa strana.

Ho deciso di provarlo in altre lingue per vedere cosa succede e questi sono i risultati che ho ottenuto.

Lingue in cui non funziona:

Python 2 e 3

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

Rubino

>> 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 (all'interno del mainmetodo)

>> 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

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

Partire

>> 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.

Lingue in cui funziona:

schema

>> (+ 2  40)
=> 42

C # (all'interno del Main()metodo)

Console.WriteLine(2+ 40);

Output: 42

Perl 6

>> ./perl6 -e'say 2+ 40' 
42

Immagino che abbia a che fare con il fatto che per qualche strana ragione si classifica come spazio bianco:

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

Vorrei anche sapere se ci sono più personaggi che si comportano così.

Mi sembra di ricordare di aver letto un pezzo qualche tempo fa sulla sostituzione maliziosa di punti e virgola (U + 003B) nel codice di qualcuno con U + 037E che è il punto interrogativo greco.

Entrambi sembrano uguali (nella misura in cui credo che i Greci stessi usino U + 003B) ma questo articolo afferma che l'altro non funzionerebbe.

Alcune ulteriori informazioni su questo da Wikipedia sono qui: https://en.wikipedia.org/wiki/Question_mark#Greek_question_mark

E una domanda (chiusa) sull'uso di questo come scherzo da SO stesso. Non dove l'ho letto inizialmente AFAIR però: JavaScript Prank / Joke