为什么 2+ 40 等于 42？答案

【问题标题】：Why does 2+ 40 equal 42?为什么 2+ 40 等于 42？
【发布时间】：2015-10-09 00:33:57
【问题描述】：

当一位同事向我展示这行 JavaScript 警报 42 时，我感到很困惑。

alert(2+ 40);

很快发现，看起来像减号的东西实际上是一个语义明显不同的神秘 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。我也想知道是否还有更多这样的角色。

【问题讨论】：

@Elyasin 你是复制/粘贴还是重新输入？
这也适用于 Visual C#。将奇怪的字符粘贴到 Visual Studio IDE 中时，或通过键入 ; 完成语句时，编辑器倾向于将奇怪的 ` ` 字符更改为正常空格，但如果撤消该“自动更正”，则相同的行为。该字符与空格具有相同的语义，即使它看起来像连字符或减号（在通常的字体中）。
相反的情况也可能发生。一些在标识符中支持 unicode 的语言接受看起来像空格的 unicode 字符（换句话说，你看不到它们）；甚至可能有完全不可见的标识符。
(OT) 因为 42 是一切的答案？
@Thomas 意外结果是由那个 Unicode 字符引起的这一事实已经很清楚了。

标签： javascript unicode

【解决方案1】：

那个字符是"OGHAM SPACE MARK"，它是一个空格字符。所以代码相当于alert(2+ 40)。

我也想知道是否还有更多这样的角色。

Zs 类 is a white space character in JavaScript、but there don't seem to be that many 中的任何 Unicode 字符。

但是，JavaScript also allows Unicode characters in identifiers，它允许您使用有趣的变量名称，例如 ಠ_ಠ。

【讨论】：

Box-with-a-hex-code 下划线 box-with-a-hex-code。它应该是哪个角色？
@immibis 这个答案的最后一部分是disapprovallook.com@immibis 以图像形式提供的表情符号
请注意，在 JavaScript 中不仅仅是Zs 字符被认为是空白。还有更多：github.com/mathiasbynens/regexpu/blob/…
当ಠ_ಠ可以在JS中用作标识符时我的反应：ಠ_ಠ
@ChrisCirefice 下划线被视为字母在 C 风格语言中由来已久。 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。

【解决方案2】：

阅读其他答案后，我编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，这些字符的行为类似于空格。看起来有 26 或 27 个，具体取决于浏览器，对于 U+0085 和 U+FFFE 存在分歧。

请注意，这些字符中的大多数看起来就像一个普通的空格。

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; }

【讨论】：

U+0085 "NEL" 被 Unicode 定义为空白，但长期以来一直被错误处理。 U+FFFE 是一个非字符，除了 NChar 之外没有名称和属性，不应被任何合理的视为空白。也就是说，我的浏览器在这两点上都不同意我的观点：)
@hobbs U+FFFE 也是\p{Default Ignorable Code Point}，而不仅仅是\p{Noncharacter Code Pount}。 U+0085 一直是\p{Whitespace} 代码点。邪恶的是 U+180E 蒙古元音分隔符，它“最近”失去了\p{Whitespace} 属性。请注意，\p{Pattern Whitespace} 是一个小得多的集合，并且是一个不可变的属性。但\p{Whitespace} 不是。
FEFF 是 BOM，可以被视为文本中的“零宽度不间断空间”。 FFFE 是等效的字节序交换。也许这就是某些浏览器将其视为空格的原因。
ecma-international.org/ecma-262/6.0/#sec-white-space （链接自 Felix King 的回答）特别指出 U+FEFF 被视为 JS 源代码中的空白。 U+FFFE 没有列出，但我觉得这是一个遗漏错误。
@zwol，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。事实上，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 不是空格，但是该规范要求 U+0085 的特殊大小写不是新行，这很奇怪，可以说是规范中的一个错误。

【解决方案3】：

您使用的字符似乎比实际的减号（连字符）长。

顶部是你正在使用的，底部是减号应该是什么。你似乎已经知道了，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 space mark，它是一个空白字符，因此它基本上被解释为与空格相同的东西，这意味着您的语句在Javascript中看起来像alert(2+ 40)。

在 Javascript 中还有其他类似的字符。您可以查看完整列表here on Wikipedia。

我注意到这个字符的一个有趣的地方是谷歌浏览器（以及可能的其他浏览器）在页面顶部栏中解释它的方式。

这是一个块，里面有1680。这实际上是 ogham 空格标记的 unicode 编号。好像只是我的机器在做这个，但这是一件奇怪的事情。

我决定用其他语言尝试一下，看看会发生什么，这就是我得到的结果。

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（在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

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

去

>> 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.

它适用的语言：

方案

>> (+ 2  40)
=> 42

C# （在Main() 方法内）

Console.WriteLine(2+ 40);

Output: 42

Perl 6

>> ./perl6 -e'say 2+ 40' 
42

【讨论】：

Ubuntu 不是问题。您使用的窗口标题字体是。
firefox (iceweasel) 和 debian 上的 google chrome 似乎可以很好地显示 unicode 字符，尽管我已经竭尽全力确保我的系统上的 unicode 兼容性。（实际上，我做的最有用的事情是最简单的：sudo apt-get install unicode，虽然只是经过数小时的研究和失败的尝试）
@PSkocik 有趣的是，我以前在这里遇到过字体问题，所以很可能
@PSkocik “Ubuntu 不是问题。您正在使用的窗口标题字体是。” …即“Ubuntu”。
@PSkocik 我终于修好了 :) 只需要更改系统标题栏字体。

【解决方案4】：

我想这与出于某种奇怪的原因将其归类为空白有关：

$ 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)

【讨论】：

如果这是从您的终端复制和粘贴的，我想知道您在哪里找到了命令 unicode。
它来自 Radovan Garabík 名为（等待它...）unicode 的 Ubuntu 软件包。对应的仓库在github.com/garabik/unicode。
好的，感谢 github 链接。 AFAICT，它不在 Fedora 存储库中。
@PSkocik ' '.codePointAt(0) 在控制台将产生 5760。现在 google 5760 unicode。

【解决方案5】：

我也想知道是否还有更多这样的角色。

我似乎记得不久前读过一篇文章，内容是用希腊问号 U+037E 恶作剧地替换某人代码中的分号 (U+003B)。

它们看起来都一样（在某种程度上我相信希腊人自己使用 U+003B）但是这篇文章指出另一个不起作用。

更多来自维基百科的信息在这里：https://en.wikipedia.org/wiki/Question_mark#Greek_question_mark

还有一个（封闭的）问题，关于将其用作 SO 本身的恶作剧。不是我最初在AFAIR读到的地方： JavaScript Prank / Joke

【讨论】：

【解决方案6】：

许多语言不会编译这个表达式，但我很好奇 Rust 的编译器在这个话题上是怎么说的。它是出了名的严格，但往往会给我们以慈爱的知识和智慧。

所以我要求它编译这个：

fn main() {
    println!("{}", (2+ 40));
}

编译器回复：

error: unknown start of token: \u{1680}
  |
  |     println!("{}", (2+ 40));
  |                       ^
  |
help: Unicode character ' ' (Ogham Space mark) looks like ' ' (Space), but it is not

另一方面，JavaScript（用当今最新和最常用的浏览器测试）似乎对这个字符很冷淡，只是忽略了它。

【讨论】：