Por que 2 + 40 é igual a 42?

Fiquei perplexo quando um colega me mostrou essa linha de JavaScript alertando 42.

alert(2+ 40);

Acontece rapidamente que o que parece ser um sinal de menos é realmente um caractere Unicode arcano com semântica claramente diferente.

Isso me deixou pensando por que esse caractere não produz um erro de sintaxe quando a expressão é analisada. Eu também gostaria de saber se há mais personagens se comportando assim.

Esse personagem é "OGHAM SPACE MARK" , que é um caractere de espaço. Portanto, o código é equivalente a alert(2+ 40).

Eu também gostaria de saber se há mais personagens se comportando assim.

Qualquer caractere Unicode na classe Zs é um caractere de espaço em branco no JavaScript , mas parece não haver muitos .

No entanto, o JavaScript também permite caracteres Unicode nos identificadores , o que permite usar nomes de variáveis ​​interessantes como ಠ_ಠ.

Depois de ler as outras respostas, escrevi um script simples para encontrar todos os caracteres Unicode no intervalo U + 0000 – U + FFFF que se comportam como espaços em branco. Como parece, existem 26 ou 27 deles, dependendo do navegador, com divergências sobre o U + 0085 e o U + FFFE.

Observe que a maioria desses caracteres parece um espaço em branco comum.

function isSpace(ch)
{
    try
    {
        return Function('return 2 +' + ch + ' 2')() === 4;
    }
    catch(e)
    {
        return false;
    }
}

for (var i = 0; i <= 0xffff; ++i)
{
    var ch = String.fromCharCode(i);
    if (isSpace(ch))
    {
        document.body.appendChild(document.createElement('DIV')).textContent = 'U+' + ('000' + i.toString(16).toUpperCase()).slice(-4) + '    "' + ch + '"';
    }
}

div { font-family: monospace; }

Parece que o caractere que você está usando é realmente maior do que o sinal de menos real (um hífen).

 
-

A parte superior é o que você está usando, a parte inferior é o que o sinal de menos deve ser. Você já sabe disso, então agora vamos ver por que o Javascript faz isso.

O caractere que você usa é, na verdade, a marca de espaço ogham, que é um caractere de espaço em branco; portanto, é basicamente interpretado como a mesma coisa que um espaço, o que significa que sua declaração se parece comalert(2+ 40) com Javascript.

Existem outros caracteres como este em Javascript. Você pode ver uma lista completa aqui na Wikipedia .

Algo interessante que notei sobre esse personagem é a maneira como o Google Chrome (e possíveis outros navegadores) o interpreta na barra superior da página.

É um bloco com 1680dentro dele. Na verdade, esse é o número unicode da marca de espaço ogham. Parece ser apenas minha máquina fazendo isso, mas é uma coisa estranha.

Decidi tentar isso em outros idiomas para ver o que acontece e esses são os resultados que obtive.

Idiomas em que não funciona:

Python 2 e 3

>> 2+ 40
  File "<stdin>", line 1
    2+ 40
        ^
SyntaxError: invalid character in identifier

Rubi

>> 2+ 40
NameError: undefined local variable or method ` 40' for main:Object
    from (irb):1
    from /home/michaelpri/.rbenv/versions/2.2.2/bin/irb:11:in `<main>'

Java (dentro do mainmétodo)

>> System.out.println(2+ 40);
Main.java:3: error: illegal character: \5760
            System.out.println(2+?40);
                                 ^
Main.java:3: error: ';' expected
            System.out.println(2+?40);
                                  ^
Main.java:3: error: illegal start of expression
            System.out.println(2+?40);
                                    ^
3 errors

PHP

>> 2+ 40;
Use of undefined constant  40 - assumed ' 40' :1

C

>> 2+ 40
main.c:1:1: error: expected identifier or '(' before numeric constant
 2+ 40
 ^
main.c:1:1: error: stray '\341' in program
main.c:1:1: error: stray '\232' in program
main.c:1:1: error: stray '\200' in program

exit status 1

Vai

>> 2+ 40
can't load package: package .: 
main.go:1:1: expected 'package', found 'INT' 2
main.go:1:3: illegal character U+1680

exit status 1

Perl 5

>> perl -e'2+ 40'                                                                                                                                   
Unrecognized character \xE1; marked by <-- HERE after 2+<-- HERE near column 3 at -e line 1.

Idiomas em que trabalha:

Esquema

>> (+ 2  40)
=> 42

C # (dentro do Main()método)

Console.WriteLine(2+ 40);

Output: 42

Perl 6

>> ./perl6 -e'say 2+ 40' 
42

Eu acho que tem a ver com o fato de que, por algum motivo estranho, classifica como espaço em branco:

$ unicode  
U+1680 OGHAM SPACE MARK
UTF-8: e1 9a 80  UTF-16BE: 1680  Decimal:  
  ( )
Uppercase: U+1680
Category: Zs (Separator, Space)
Bidi: WS (Whitespace)

Eu também gostaria de saber se há mais personagens se comportando assim.

Parece que me lembro de ler um artigo sobre a substituição maliciosa de ponto e vírgula (U + 003B) no código de alguém por U + 037E, que é o ponto de interrogação grego.

Ambos têm a mesma aparência (na medida em que acredito que os próprios gregos usam U + 003B), mas este artigo afirmou que o outro não funcionaria.

Mais algumas informações sobre isso na Wikipedia estão aqui: https://en.wikipedia.org/wiki/Question_mark#Greek_question_mark

E uma pergunta (fechada) sobre como usar isso como brincadeira do próprio SO. Não é onde eu originalmente li AFAIR: JavaScript Prank / Joke