Dlaczego ten kod, napisany wstecz, wypisuje „Hello World!”

Oto kod, który znalazłem w Internecie:

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

Ten kod drukuje Hello World!się na ekranie; możesz zobaczyć, jak to działa tutaj . Wyraźnie widzępublic static void main napisane, ale jest odwrotnie. Jak działa ten kod? Jak to się nawet kompiluje?

Edycja: Wypróbowałem ten kod w IntellIJ i działa dobrze. Jednak z jakiegoś powodu nie działa w Notatniku ++, wraz z cmd. Nadal nie znalazłem rozwiązania tego problemu, więc jeśli ktoś to zrobi, skomentuj poniżej.

Są tu niewidoczne znaki, które zmieniają sposób wyświetlania kodu. W Intellij można je znaleźć, wklejając kod do pustego łańcucha ("" ), który zastępuje je znakami ucieczki Unicode, usuwając ich efekty i ujawniając kolejność, jaką widzi kompilator.

Oto wynik tej kopiuj-wklej:

"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','!'});}}   "

Znaki kodu źródłowego są przechowywane w tej kolejności, a kompilator traktuje je jako znajdujące się w tej kolejności, ale są wyświetlane inaczej.

Zwróć uwagę na \u202Eznak, który jest przesłonięciem od prawej do lewej, rozpoczynając blok, w którym wszystkie znaki muszą być wyświetlane od prawej do lewej, oraz\u202D lewej do prawej, rozpoczynając zagnieżdżony blok, w którym wszystkie znaki są wymuszane w kolejności od lewej do prawej, zastępując pierwszą zmianę.

Ergo, gdy wyświetla oryginalny kod, class Mjest wyświetlane normalnie, ale \u202Eodwraca kolejność wyświetlania wszystkiego od tego do \u202D, co odwraca wszystko ponownie. (Formalnie wszystko od \u202Dterminatora do wiersza jest dwukrotnie odwracane, raz z powodu \u202Di raz z resztą tekstu odwróconego z powodu \u202E, i dlatego ten tekst pojawia się na środku linii zamiast na końcu.) Kierunkowość następnej linii jest obsługiwana niezależnie od pierwszej z powodu zakończenia linii, więc {'H','e','l','l','o',' ','W','o','r','l','d','!'});}}jest wyświetlana normalnie.

Aby zapoznać się z pełnym (niezwykle złożonym, dziesiątkami stron) algorytmem dwukierunkowym Unicode, zobacz Standardowy kod Unicode, załącznik nr 9 .

Wygląda inaczej ze względu na dwukierunkowy algorytm Unicode . Istnieją dwa niewidoczne znaki RLO i LRO, których używa dwukierunkowy algorytm Unicode do zmiany wyglądu znaków zagnieżdżonych między tymi dwoma metaznakami.

Powoduje to, że wizualnie wyglądają w odwrotnej kolejności, ale rzeczywiste znaki w pamięci nie są odwracane. Możesz przeanalizować wyniki tutaj . Kompilator Java zignoruje RLO i LRO i potraktuje je jako białe znaki, dlatego kompiluje kod.

Uwaga 1: Ten algorytm jest używany przez edytory tekstu i przeglądarki do wizualnego wyświetlania znaków jednocześnie zarówno znaków LTR (angielski), jak i RTL (np. Arabski, hebrajski) jednocześnie - stąd „dwukierunkowy”. Możesz przeczytać więcej o algorytmie dwukierunkowym na stronie Unicode .
Uwaga 2: Dokładne zachowanie LRO i RLO zdefiniowano w sekcji 2.2 algorytmu.

Znak U+202Eodzwierciedla kod od prawej do lewej, jest jednak bardzo sprytny. Jest ukryty, zaczynając od litery M,

"class M\u202E{..."

Jak znalazłem za tym magię ?

Cóż, na początku, kiedy zobaczyłem trudne pytanie: „to rodzaj żartu, stracić kogoś innego czasu”, ale potem otworzyłem swoje IDE („IntelliJ”), stworzyłem klasę i przekroczyłem kod ... i to się skompilowało !!! Spojrzałem więc lepiej i zobaczyłem, że „publiczna pustka statyczna” była zacofana, więc poszedłem tam z kursorem i usunąłem kilka znaków ... A co się stanie? Znaki zaczęły się wymazywać wstecz , więc pomyślałem mmm .... rzadko ... muszę go wykonać ... Więc kontynuuję wykonywanie programu, ale najpierw musiałem go zapisać ... i to wtedy znalazłem to! . Nie mogłem zapisać pliku, ponieważ moje IDE powiedziało, że dla niektórych znaków istnieje inne kodowanie, i wskazuj mi, gdzie to było, Więc zaczynam badania w Google w celu znalezienia specjalnych znaków, które mogłyby wykonać zadanie i to wszystko :)

Trochę o

dwukierunkowy algorytm Unicode i U+202Epowiązane krótkie wyjaśnienie :

Standard Unicode określa porządek reprezentacji pamięci zwany porządkiem logicznym. Kiedy tekst jest prezentowany w poziomych liniach, większość skryptów wyświetla znaki od lewej do prawej. Istnieje jednak kilka skryptów (takich jak arabski lub hebrajski), w których naturalne uporządkowanie wyświetlanego tekstu poziomego odbywa się od prawej do lewej. Jeśli cały tekst ma jednolity kierunek poziomy, kolejność wyświetlanego tekstu jest jednoznaczna.

Ponieważ jednak te skrypty od prawej do lewej używają cyfr zapisanych od lewej do prawej, tekst jest w rzeczywistości dwukierunkowy: mieszanka tekstu od prawej do lewej i od lewej do prawej. Oprócz cyfr, od lewej do prawej strony pisane są również słowa z języka angielskiego i innych skryptów, które również generują tekst dwukierunkowy. Bez jasnej specyfikacji mogą pojawić się niejasności przy ustalaniu kolejności wyświetlanych znaków, gdy poziomy kierunek tekstu nie jest jednolity.

W tym załączniku opisano algorytm stosowany do określania kierunkowości dwukierunkowego tekstu Unicode. Algorytm rozszerza domyślny model wykorzystywany obecnie przez szereg istniejących implementacji i dodaje jawne znaki formatujące w szczególnych okolicznościach. W większości przypadków nie ma potrzeby dołączania dodatkowych informacji do tekstu, aby uzyskać prawidłowe uporządkowanie wyświetlania.

Jednak w przypadku tekstu dwukierunkowego istnieją okoliczności, w których niejawne uporządkowanie dwukierunkowe nie jest wystarczające do uzyskania zrozumiałego tekstu. Aby poradzić sobie z tymi przypadkami, zdefiniowano minimalny zestaw znaków formatowania kierunkowego, aby kontrolować kolejność znaków podczas renderowania. Umożliwia to dokładną kontrolę kolejności wyświetlania w celu czytelnej wymiany i zapewnia, że ​​zwykły tekst używany do prostych elementów, takich jak nazwy plików lub etykiety, zawsze może być poprawnie uporządkowany do wyświetlenia.

Dlaczego stworzyć jakiś algorytm, jak to ?

algorytm bidi może renderować sekwencję znaków arabskich lub hebrajskich jeden po drugim od prawej do lewej.

Rozdział 3 specyfikacji języka zawiera wyjaśnienie, szczegółowo opisując, w jaki sposób wykonuje się tłumaczenie leksykalne dla programu Java. Co jest najważniejsze dla pytania:

Programy są napisane w Unicode (§3.1) , ale zapewnione są tłumaczenia leksykalne (§3.2), dzięki czemu znaki ucieczki Unicode (§3.3) mogą być użyte do włączenia dowolnego znaku Unicode zawierającego tylko znaki ASCII.

Tak więc program jest zapisany w postaci znaków Unicode, a autor może je uciec, \uxxxxna wypadek, gdyby kodowanie pliku nie obsługiwało znaku Unicode, w którym to przypadku jest tłumaczone na odpowiedni znak. Jednym ze znaków Unicode obecnych w tym przypadku jest \u202E. Nie jest pokazywany wizualnie we fragmencie, ale jeśli spróbujesz przełączyć kodowanie przeglądarki, mogą pojawić się ukryte znaki.

Dlatego tłumaczenie leksykalne powoduje deklarację klasy:

class M\u202E{

co oznacza, że ​​identyfikator klasy to M\u202E. Specyfikacja uważa to za ważny identifer:

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

„Litera lub cyfra Java” to znak, dla którego metoda Character.isJavaIdentifierPart(int)zwraca true.