Java 源码中的 Unicode 逃逸问题，别被注释给骗了

毕小宝2024-11-08 18:21

背景

看了一段项目源码，定义了一个 List 对象，但是往该列表对象 add 的代码前面有注释符号，但是程序运行时列表中却存在对象，为什么呢？仔细看了一下，注释符号和 add 代码之间有一个特殊符号 \u000d，这到底是什么东西呢？

奇怪的代码

bash 复制代码

public List<String> getData() {
	List<String> data = new ArrayList<>();
	
	for (int i = 0; i < 10; i++) {
		// 注意，这里有个障眼法是 unicode 的换行符
		// \u000d data.add(i);
	}

	logger.info("data count is {}", data.size());
	return data;
}

运行结果：

基本原理

众所周不知「恕我孤陋寡闻，我没看过这种用法」，Java 编译器编译代码时会解析 unicode 字符，而代码中存在特殊字符的 unicode 符号时，就会产生障眼。

几个主要特殊符号：

\u000a 换行
\u000d 回车
\u007d 左花括号 {
\u007b 右花括号 }

启示录

想起刚入行的时候，看过一本电子书《疯狂的 Java 讲义》，书中介绍了很多 Java 的奇怪玩法，现在大部分都忘记了。

但对单例代码的漏洞，一直记忆犹新。即通过反序列化后创建的类可以打破单例，解决办法是重新序列化方法的 writeObject 保证也是单例。具体细节已经遗忘了，回忆了一下《序列化对单例模式的破坏》。

至于 Unicode 字符逃逸，项目中出现这类迷惑代码，普通开发怎么看得懂呢？尤其是我这种头脑比较简单的人，只会写简单代码，一见到复杂绕绕的代码就懵了哇！

话说回来，unicode 在某种场合还是有用的，比如绕过平台的敏感词检测，之前发布某篇文章通不过的时候，转换成 unicode 编码就过去了。作为程序员交流的暗语也是不错的！

bash 复制代码

\u8001\u733f\u4e0b\u73ed\u4e86