При анализе того, какие символы были разрешены в Java-идентификаторах, я наткнулся на нечто настолько необычное, что кажется почти наверняка ошибкой.
Ожидалось, что идентификатор Java найдет, что идентификаторы Java соответствуют требованию, чтобы они начинались с символов, имеющих свойство Unicode ID_Start, и за ними следуют те, у которых есть свойство ID_Continue, с исключением, предоставленным для ведущих подчеркиваний и знаков доллара, Это не подтвердилось, и то, что я обнаружил, находится в крайнем разбросе с той или иной идеей обычного идентификатора, о котором я слышал.
Рассмотрим следующую демонстрацию, подтверждающую, что символ ASCII ESC (восьмеричный 033) разрешен в идентификаторах Java:
$ perl -le 'print qq(public class escape { public static void main(String argv[]) { String var_\033 = "i am escape: \033"; System.out.println(var_\033); }})' > escape.java
$ javac escape.java
$ java escape | cat -v
i am escape: ^[
Вот тестовая программа, которая покажет все эти неожиданные кодовые точки, которые Java довольно возмутительно разрешает как часть имени юридического идентификатора.
#!/usr/bin/env perl
#
# test-java-idchars - find which bogus code points Java allows in its identifiers
#
# usage: test-java-idchars [low high]
# e.g.: test-java-idchars 0 255
#
# Without arguments, tests Unicode code points
# from 0 .. 0x1000. You may go further with a
# higher explicit argument.
#
# Produces a report at the end.
#
# You can ^C it prematurely to end the program then
# and get a report of its progress up to that point.
#
# Tom Christiansen
# [email protected]
# Sat Jan 29 10:41:09 MST 2011
use strict;
use warnings;
use encoding "Latin1";
use open IO => ":utf8";
use charnames ();
$| = 1;
my @legal;
my ($start, $stop) = (0, 0x1000);
if (@ARGV != 0) {
if (@ARGV == 1) {
for (($stop) = @ARGV) {
$_ = oct if /^0/; # support 0OCTAL, 0xHEX, 0bBINARY
}
}
elsif (@ARGV == 2) {
for (($start, $stop) = @ARGV) {
$_ = oct if /^0/;
}
}
else {
die "usage: $0 [ [start] stop ]\n";
}
}
for my $cp ( $start .. $stop ) {
my $char = chr($cp);
next if $char =~ /[\s\w]/;
my $type = "?";
for ($char) {
$type = "Letter" if /\pL/;
$type = "Mark" if /\pM/;
$type = "Number" if /\pN/;
$type = "Punctuation" if /\pP/;
$type = "Symbol" if /\pS/;
$type = "Separator" if /\pZ/;
$type = "Control" if /\pC/;
}
my $name = $cp ? (charnames::viacode($cp) || "<missing>") : "NULL";
next if $name eq "<missing>" && $cp > 0xFF;
my $msg = sprintf("U+%04X %s", $cp, $name);
print "testing \\p{$type} $msg...";
open(TESTPROGRAM, ">:utf8", "testchar.java") || die $!;
print TESTPROGRAM <<"End_of_Java_Program";
public class testchar {
public static void main(String argv[]) {
String var_$char = "variable name ends in $msg";
System.out.println(var_$char);
}
}
End_of_Java_Program
close(TESTPROGRAM) || die $!;
system q{
( javac -encoding UTF-8 testchar.java \
&& \
java -Dfile.encoding=UTF-8 testchar | grep variable \
) >/dev/null 2>&1
};
push @legal, sprintf("U+%04X", $cp) if $? == 0;
if ($? && $? < 128) {
print "<interrupted>\n";
exit; # from a ^C
}
printf "is %s in Java identifiers.\n",
($? == 0) ? uc "legal" : "forbidden";
}
END {
print "Legal but evil code points: @legal\n";
}
Вот пример запуска этой программы только для первых 33 кодовых точек, которые не являются ни пробелами, ни символами идентификатора:
$ perl test-java-idchars 0 0x20
testing \p{Control} U+0000 NULL...is LEGAL in Java identifiers.
testing \p{Control} U+0001 START OF HEADING...is LEGAL in Java identifiers.
testing \p{Control} U+0002 START OF TEXT...is LEGAL in Java identifiers.
testing \p{Control} U+0003 END OF TEXT...is LEGAL in Java identifiers.
testing \p{Control} U+0004 END OF TRANSMISSION...is LEGAL in Java identifiers.
testing \p{Control} U+0005 ENQUIRY...is LEGAL in Java identifiers.
testing \p{Control} U+0006 ACKNOWLEDGE...is LEGAL in Java identifiers.
testing \p{Control} U+0007 BELL...is LEGAL in Java identifiers.
testing \p{Control} U+0008 BACKSPACE...is LEGAL in Java identifiers.
testing \p{Control} U+000B LINE TABULATION...is forbidden in Java identifiers.
testing \p{Control} U+000E SHIFT OUT...is LEGAL in Java identifiers.
testing \p{Control} U+000F SHIFT IN...is LEGAL in Java identifiers.
testing \p{Control} U+0010 DATA LINK ESCAPE...is LEGAL in Java identifiers.
testing \p{Control} U+0011 DEVICE CONTROL ONE...is LEGAL in Java identifiers.
testing \p{Control} U+0012 DEVICE CONTROL TWO...is LEGAL in Java identifiers.
testing \p{Control} U+0013 DEVICE CONTROL THREE...is LEGAL in Java identifiers.
testing \p{Control} U+0014 DEVICE CONTROL FOUR...is LEGAL in Java identifiers.
testing \p{Control} U+0015 NEGATIVE ACKNOWLEDGE...is LEGAL in Java identifiers.
testing \p{Control} U+0016 SYNCHRONOUS IDLE...is LEGAL in Java identifiers.
testing \p{Control} U+0017 END OF TRANSMISSION BLOCK...is LEGAL in Java identifiers.
testing \p{Control} U+0018 CANCEL...is LEGAL in Java identifiers.
testing \p{Control} U+0019 END OF MEDIUM...is LEGAL in Java identifiers.
testing \p{Control} U+001A SUBSTITUTE...is LEGAL in Java identifiers.
testing \p{Control} U+001B ESCAPE...is LEGAL in Java identifiers.
testing \p{Control} U+001C INFORMATION SEPARATOR FOUR...is forbidden in Java identifiers.
testing \p{Control} U+001D INFORMATION SEPARATOR THREE...is forbidden in Java identifiers.
testing \p{Control} U+001E INFORMATION SEPARATOR TWO...is forbidden in Java identifiers.
testing \p{Control} U+001F INFORMATION SEPARATOR ONE...is forbidden in Java identifiers.
Legal but evil code points: U+0000 U+0001 U+0002 U+0003 U+0004 U+0005 U+0006 U+0007 U+0008 U+000E U+000F U+0010 U+0011 U+0012 U+0013 U+0014 U+0015 U+0016 U+0017 U+0018 U+0019 U+001A U+001B
И вот еще одно демо:
$ perl test-java-idchars 0x600 0x700 | grep -i legal
testing \p{Control} U+0600 ARABIC NUMBER SIGN...is LEGAL in Java identifiers.
testing \p{Control} U+0601 ARABIC SIGN SANAH...is LEGAL in Java identifiers.
testing \p{Control} U+0602 ARABIC FOOTNOTE MARKER...is LEGAL in Java identifiers.
testing \p{Control} U+0603 ARABIC SIGN SAFHA...is LEGAL in Java identifiers.
testing \p{Control} U+06DD ARABIC END OF AYAH...is LEGAL in Java identifiers.
Legal but evil code points: U+0600 U+0601 U+0602 U+0603 U+06DD
Может кто-нибудь объяснить это, казалось бы, безумное поведение? Есть много, много и много других необъяснимых разрешенных кодовых пунктов повсюду, начиная с U + 0000, что, пожалуй, самое странное из всех. Если вы запустили его в первых кодовых точках 0x1000, вы увидите, как появляются определенные шаблоны, такие как разрешение всех и всех кодовых точек с свойством Current_Symbol. Но слишком многое другое совершенно необъяснимо, по крайней мере, мной.
Раздел Java Language Specification раздел 3.8 отсылает Character.isJavaIdentifierStart() и Character.isJavaIdentifierPart(). Последний, помимо других условий, имеет Character.isIdentifierIgnorable(), который позволяет управлять символами без пробелов (включая весь диапазон C1, см. Ссылку для списка).
Другой вопрос: почему Java не должен содержать управляющие символы в своих идентификаторах?
Хороший принцип при разработке языка или другой системы состоит в том, чтобы не запрещать ничего без уважительной причины, поскольку вы никогда не знаете, как это можно использовать, и чем меньше должны соблюдаться разработчики и пользователи, тем лучше.
Верно, что вы, конечно же, не должны этого использовать, фактически внедряя экраны в имена переменных, и вы не увидите каких-либо популярных библиотек, которые выставляют классы с нулевыми символами в них.
Конечно, это можно было бы злоупотреблять, но это не работа разработчиков языков, чтобы защитить программистов от самих себя таким образом, не более, чем заставляя правильные отступы или хорошо выбранные имена переменных.
Я не понимаю, в чем дело. Как это повлияет на вас?
Если разработчик хочет запутать свой код, он может сделать это с помощью ASCII.
Если разработчик хочет сделать свой код понятным, он будет использовать lingua franca в отрасли: английский. Не только идентификаторы - это только ASCII, но и общие английские слова. В противном случае никто не будет использовать или читать свой код, он может использовать любые сумасшедшие персонажи, которые ему нравятся.