为什么在允许某些 Unicode 字符的注释中执行 Java 代码？

Z时代
2024-01-10
分类：问答

以下代码产生输出“Hello World！” （不是真的，试试看）。

public static void main(String... args) {
   // The comment below is not a typo.
   // \u000d System.out.println("Hello World!");
}

这样做的原因是 Java 编译器将 Unicode 字符解析\u000d为新行并转换为：

public static void main(String... args) {
   // The comment below is not a typo.
   //
   System.out.println("Hello World!");
}

从而导致评论被“执行”。

既然这可以用来“隐藏”恶意代码或任何邪恶的程序员可以想到的东西，为什么在评论中允许它？

为什么 Java 规范允许这样做？

回答：

Unicode 解码发生在任何其他词汇翻译之前。这样做的主要好处是它使得在 ASCII 和任何其他编码之间来回变得微不足道。您甚至不需要弄清楚评论的开始和结束位置！

如JLS 第 3.3 节所述，这允许任何基于 ASCII 的工具处理源文件：

[…] Java 编程语言指定了将用 Unicode 编写的程序转换为 ASCII 的标准方法，该方法将程序更改为可由基于 ASCII 的工具处理的形式。[…]

这为平台独立性（支持的字符集的独立性）提供了基本保证，这一直是 Java 平台的一个关键目标。

能够在文件中的任何位置写入任何 Unicode 字符是一个很好的特性，在用非拉丁语言记录代码时，在注释中尤其重要。它可以以如此微妙的方式干扰语义的事实只是一个（不幸的）副作用。

这个主题有很多问题，Joshua Bloch 和 Neal Gafter 的Java Puzzlers包括以下变体：

这是合法的 Java 程序吗？如果是这样，它打印什么？
java
\u0070\u0075\u0062\u006c\u0069\u0063\u0020\u0020\u0020\u0020
\u0063\u006c\u0061\u0073\u0073\u0020\u0055\u0067\u006c\u0079
\u007b\u0070\u0075\u0062\u006c\u0069\u0063\u0020\u0020\u0020
\u0020\u0020\u0020\u0020\u0073\u0074\u0061\u0074\u0069\u0063
\u0076\u006f\u0069\u0064\u0020\u006d\u0061\u0069\u006e\u0028
\u0053\u0074\u0072\u0069\u006e\u0067\u005b\u005d\u0020\u0020
\u0020\u0020\u0020\u0020\u0061\u0072\u0067\u0073\u0029\u007b
\u0053\u0079\u0073\u0074\u0065\u006d\u002e\u006f\u0075\u0074
\u002e\u0070\u0072\u0069\u006e\u0074\u006c\u006e\u0028\u0020
\u0022\u0048\u0065\u006c\u006c\u006f\u0020\u0077\u0022\u002b
\u0022\u006f\u0072\u006c\u0064\u0022\u0029\u003b\u007d\u007d