Warum druckt dieser rückwärts geschriebene Code "Hallo Welt!"

Hier ist ein Code, den ich im Internet gefunden habe:

class M‮{public static void main(String[]a‭){System.out.print(new char[]
{'H','e','l','l','o',' ','W','o','r','l','d','!'});}}    

Dieser Code wird Hello World!auf dem Bildschirm gedruckt . Sie können es hier laufen sehen . Ich kann deutlich public static void maingeschrieben sehen, aber es ist rückwärts. Wie funktioniert dieser Code? Wie kompiliert das überhaupt?

Bearbeiten: Ich habe diesen Code in IntellIJ ausprobiert und er funktioniert einwandfrei. Aus irgendeinem Grund funktioniert es jedoch nicht in Notepad ++ zusammen mit cmd. Ich habe immer noch keine Lösung dafür gefunden. Wenn dies jemand tut, kommentieren Sie unten.

Hier gibt es unsichtbare Zeichen, die die Anzeige des Codes ändern. In Intellij können Sie diese finden, indem Sie den Code in eine leere Zeichenfolge ( "") kopieren , die sie durch Unicode-Escapezeichen ersetzt, ihre Effekte entfernt und die Reihenfolge anzeigt , die der Compiler sieht.

Hier ist die Ausgabe dieses Copy-Paste:

"class M\u202E{public static void main(String[]a\u202D){System.out.print(new char[]\n"+
        "{'H','e','l','l','o',' ','W','o','r','l','d','!'});}}   "

Die Quellcodezeichen werden in dieser Reihenfolge gespeichert, und der Compiler behandelt sie als in dieser Reihenfolge, sie werden jedoch unterschiedlich angezeigt.

Beachten Sie das \u202EZeichen, bei dem es sich um eine Überschreibung von rechts nach links handelt, das einen Block startet, in dem alle Zeichen von rechts nach links angezeigt werden müssen, und das Zeichen, bei dem es sich um eine Überschreibung von \u202Dlinks nach rechts handelt, bei dem ein verschachtelter Block beginnt, bei dem alle Zeichen angezeigt werden Zeichen werden in eine Reihenfolge von links nach rechts gezwungen, wobei die erste Überschreibung überschrieben wird.

Ergo wird, wenn der ursprüngliche Code class Mangezeigt wird, normal angezeigt, aber das \u202Ekehrt die Anzeigereihenfolge von allem von dort zu dem um \u202D, wodurch alles wieder umgekehrt wird. (Formal wird alles vom \u202Dbis zum Zeilenendezeichen zweimal umgekehrt, einmal aufgrund des \u202Dund einmal, wobei der Rest des Textes aufgrund des umgekehrt \u202Ewird, weshalb dieser Text in der Mitte der Zeile statt am Ende angezeigt wird.) Die Direktionalität der nächsten Zeile wird aufgrund des Zeilenabschlusses unabhängig von der der ersten behandelt und wird daher {'H','e','l','l','o',' ','W','o','r','l','d','!'});}}normal angezeigt.

Den vollständigen (äußerst komplexen, Dutzende von Seiten langen) bidirektionalen Unicode-Algorithmus finden Sie im Unicode-Standardanhang Nr. 9 .

Aufgrund des bidirektionalen Unicode-Algorithmus sieht es anders aus . Es gibt zwei unsichtbare Zeichen von VKE und LRO, die der bidirektionale Unicode-Algorithmus verwendet, um das visuelle Erscheinungsbild der zwischen diesen beiden Metazeichen verschachtelten Zeichen zu ändern .

Das Ergebnis ist, dass sie visuell in umgekehrter Reihenfolge aussehen, die tatsächlichen Zeichen im Speicher jedoch nicht umgekehrt werden. Sie können die Ergebnisse analysieren hier . Der Java-Compiler ignoriert RLO und LRO und behandelt sie als Leerzeichen, weshalb der Code kompiliert wird.

Hinweis 1: Dieser Algorithmus wird von Texteditoren und Browsern verwendet, um Zeichen sowohl LTR-Zeichen (Englisch) als auch RTL-Zeichen (z. B. Arabisch, Hebräisch) gleichzeitig visuell anzuzeigen - daher "bi" -direktional. Weitere Informationen zum bidirektionalen Algorithmus finden Sie auf der Unicode- Website .
Anmerkung 2: Das genaue Verhalten von LRO und RLO ist in Abschnitt 2.2 des Algorithmus definiert.

Der Charakter U+202Espiegelt den Code von rechts nach links, ist aber sehr clever. Ist ab dem M versteckt,

"class M\u202E{..."

Wie habe ich die Magie dahinter gefunden?

Nun, als ich zuerst die Frage sah, die mir schwerfiel: "Es ist eine Art Witz, jemand anderem Zeit zu verlieren", aber dann öffnete ich meine IDE ("IntelliJ"), erstellte eine Klasse und übergab den Code ... und es kompiliert !!! Also schaute ich genauer hin und sah, dass die "öffentliche statische Leere" rückwärts war, also ging ich mit dem Cursor dorthin und löschte ein paar Zeichen ... Und was passiert? Die Zeichen wurden rückwärts gelöscht , also dachte ich, mmm ... selten ... ich muss es ausführen ... Also führe ich das Programm aus, aber zuerst musste ich es speichern ... und dann war ich es fand es! . Ich konnte die Datei nicht speichern, da meine IDE angab, dass für ein Zeichen eine andere Codierung vorhanden war, und zeigte mir, wo sie sich befandAlso starte ich in Google eine Recherche nach speziellen Zeichen, die den Job machen könnten, und das war's :)

Ein bisschen über

Der bidirektionale Unicode-Algorithmus und die U+202Ebeteiligten erklären kurz :

Der Unicode-Standard schreibt eine Speicherrepräsentationsreihenfolge vor, die als logische Reihenfolge bezeichnet wird. Wenn Text in horizontalen Linien dargestellt wird, zeigen die meisten Skripte Zeichen von links nach rechts an. Es gibt jedoch mehrere Skripte (wie Arabisch oder Hebräisch), bei denen die natürliche Reihenfolge des angezeigten horizontalen Textes von rechts nach links erfolgt. Wenn der gesamte Text eine einheitliche horizontale Richtung hat, ist die Reihenfolge des Anzeigetextes eindeutig.

Da diese Skripte von rechts nach links jedoch Ziffern verwenden, die von links nach rechts geschrieben werden, ist der Text tatsächlich bidirektional: eine Mischung aus Text von rechts nach links und von links nach rechts. Neben Ziffern werden auch eingebettete Wörter aus dem Englischen und anderen Skripten von links nach rechts geschrieben, wodurch auch bidirektionaler Text erzeugt wird. Ohne eine klare Spezifikation können Unklarheiten bei der Bestimmung der Reihenfolge der angezeigten Zeichen auftreten, wenn die horizontale Richtung des Textes nicht einheitlich ist.

In diesem Anhang wird der Algorithmus beschrieben, mit dem die Richtung für bidirektionalen Unicode-Text bestimmt wird. Der Algorithmus erweitert das implizite Modell, das derzeit von einer Reihe vorhandener Implementierungen verwendet wird, und fügt explizite Formatierungszeichen für besondere Umstände hinzu. In den meisten Fällen müssen dem Text keine zusätzlichen Informationen hinzugefügt werden, um eine korrekte Anzeigereihenfolge zu erhalten.

Im Fall von bidirektionalem Text gibt es jedoch Umstände, in denen eine implizite bidirektionale Reihenfolge nicht ausreicht, um verständlichen Text zu erstellen. Um diese Fälle zu behandeln, wird ein minimaler Satz von Richtungsformatierungszeichen definiert, um die Reihenfolge der Zeichen beim Rendern zu steuern. Dies ermöglicht eine genaue Kontrolle der Anzeigereihenfolge für einen lesbaren Austausch und stellt sicher, dass Klartext, der für einfache Elemente wie Dateinamen oder Beschriftungen verwendet wird, für die Anzeige immer korrekt angeordnet werden kann.

Warum einige Algorithmus wie schaffen das ?

Der Bidi-Algorithmus kann eine Folge von arabischen oder hebräischen Zeichen nacheinander von rechts nach links rendern.

Kapitel 3 der Sprachspezifikation enthält eine Erläuterung, indem detailliert beschrieben wird, wie die lexikalische Übersetzung für ein Java-Programm durchgeführt wird. Was für die Frage am wichtigsten ist:

Programme sind in Unicode (§3.1) geschrieben , es werden jedoch lexikalische Übersetzungen bereitgestellt (§3.2), sodass Unicode-Escapezeichen (§3.3) verwendet werden können, um jedes Unicode-Zeichen nur mit ASCII-Zeichen einzuschließen.

Ein Programm ist also in Unicode-Zeichen geschrieben, und der Autor kann sie umgehen, indem \uxxxxer verwendet, falls die Dateicodierung das Unicode-Zeichen nicht unterstützt. In diesem Fall wird es in das entsprechende Zeichen übersetzt. Eines der in diesem Fall vorhandenen Unicode-Zeichen ist \u202E. Es wird im Snippet nicht visuell angezeigt. Wenn Sie jedoch versuchen, die Codierung des Browsers zu ändern, werden möglicherweise versteckte Zeichen angezeigt.

Daher führt die lexikalische Übersetzung zur Klassendeklaration:

class M\u202E{

was bedeutet, dass die Klassenkennung ist M\u202E. Die Spezifikation betrachtet dies als gültigen Bezeichner:

Identifier:
    IdentifierChars but not a Keyword or BooleanLiteral or NullLiteral
IdentifierChars:
    JavaLetter {JavaLetterOrDigit}

Ein "Java-Buchstabe oder eine Ziffer" ist ein Zeichen, für das die Methode Character.isJavaIdentifierPart(int)true zurückgibt.