Rimuovi Caratteri Invisibili

Unicode contiene caratteri che non occupano affatto spazio visivo. Alcuni esistono per buone ragioni: il non-unione a larghezza zero è necessario per scrivere correttamente il persiano, e emoji come l'emoji della famiglia sono costruite da diverse immagini incollate insieme con un connettore a larghezza zero. Altri sono puri formattatori, come il byte order mark che i processori di testo lasciano all'inizio di un file. Poiché nessuno di essi appare sullo schermo, viaggiano attraverso copia e incolla inosservati e finiscono nel tuo CMS, nel tuo foglio di calcolo o nel tuo codice.

Perché causano problemi

I caratteri invisibili rompono le cose silenziosamente. Uno spazio a larghezza zero all'interno di una parola chiave impedisce a una ricerca di corrispondere. Uno spazio non interrotto in una colonna CSV interrompe un'importazione numerica. Un trattino morbido in uno slug URL produce un 404. Nel codice, un carattere invisibile all'interno di un identificatore produce un messaggio di errore che non ha senso, perché i due identificatori sembrano identici sullo schermo. E i caratteri di sovrascrittura bidirezionale possono far visualizzare una riga di codice sorgente in un ordine completamente diverso da come viene effettivamente eseguita, che è la base del noto attacco Trojan Source.

Messaggi nascosti e iniezione di prompt

Un gruppo più piccolo di questi caratteri può trasportare dati. Il blocco di tag Unicode si mappa uno a uno su ASCII stampabile, quindi una sequenza di caratteri tag è letteralmente una frase leggibile che nessun editor ti mostrerà. I selettori di variazione possono essere abusati allo stesso modo per codificare byte arbitrari. Entrambi sono usati per nascondere istruzioni all'interno di un testo che viene successivamente incollato in un assistente AI e per fingerprintare documenti in modo che una fuga possa essere tracciata fino a un destinatario specifico. Questo strumento decodifica entrambi, così puoi leggere il contenuto nascosto invece di eliminarlo semplicemente.

Come gestisce questo strumento

Ogni risultato è classificato piuttosto che eliminato alla cieca. I caratteri senza un uso legittimo nel tuo testo sono contrassegnati come risultati confermati e rimossi. I caratteri che potrebbero benissimo appartenere lì, come un non-unione a larghezza zero tra lettere persiane o un connettore all'interno di un'emoji, sono mostrati ma trattati con cura - i connettori emoji vengono mantenuti per impostazione predefinita, perché rimuoverli trasforma un'emoji in tre. Quella distinzione è la differenza tra pulire un testo e danneggiarlo.