在 Javascript 字符串文本中存储 null 字节

Storing null bytes in Javascript string literals

提问人：Timmmm 提问时间：10/31/2023 最后编辑：Timmmm 更新时间：11/13/2023 访问量：74

问：

请考虑以下 HTML：

<!DOCTYPE html>
<html>
    <body>
        <script>
            const a = " ... ";

            for (let i = 0; i < a.length; ++i) {
                console.log(a.charCodeAt(i));
            }
        </script>
    </body>
</html>

其中 in in the 实际上是 ASCII 字符 （0）、（1）、（2）。此文件保存为 UTF-8（唯一有效的 HTML5 编码）。...NULSOHSTX

当我在Firefox或Chrome中打开它时，它会打印以下内容：

32
65533
1
2
32

但是，根据我对规范的阅读，我应该能够存储一个空字节：

StringLiteral ::
    " DoubleStringCharactersopt "
    ' SingleStringCharactersopt '

DoubleStringCharacters ::
    DoubleStringCharacter DoubleStringCharactersopt

DoubleStringCharacter ::
    SourceCharacter but not one of " or \ or LineTerminator
    <LS>
    <PS>
    \ EscapeSequence
    LineContinuation

SourceCharacter ::
    any Unicode code point

和

在 ECMAScript 语法允许的情况下，从 U+0000 到 U+10FFFF 的所有 Unicode 码位值（包括代理码位）都可能出现在 ECMAScript 源文本中。

那么为什么它不允许我存储一个空字节呢？

（是的，我知道所有的含义，请不要告诉我我不应该这样做。

编辑：需要明确的是，字符串不是.它是这样的：" \x00\x01\x02 "

evil string

JavaScript HTML UTF-8

评论

0赞 Pointy 10/31/2023
你的字符串文字到底是什么样子的？我刚刚制作了一个带有字符代码 0 的字符串，它工作正常。
0赞 somethinghere 10/31/2023
在这种情况下，您确定是 UTF8 吗？因为为 charset 添加一个元通常可以确保这一点，而 CSS 默认不会这样做，所以它不会让我感到惊讶。
0赞 Timmmm 10/31/2023
@somethinghere：我试过添加;没什么区别。<head><meta charset="utf-8"></head>
0赞 Timmmm 10/31/2023
@Pointy 我更新问题;希望它应该澄清一些事情。
1赞 Pointy 10/31/2023
好吧，无论发生什么，显然都与词法分析器如何处理源代码和这些字节有关。JavaScript 字符串（解析后）是 UTF-16，而不是 UTF-8。

答：

0赞 Timmmm 10/31/2023 #1

如果您将 Javascript 移动到外部文件，那么它确实可以正常工作，因此这是 HTML 的限制，而不是 Javascript。.js

显然，HTML 解析器会发出一个意外的 null 字符错误，并忽略它或将其替换为 U+FFFD。

我相信相关状态是脚本数据状态，它明确地将空字节调用为不允许的。

-1赞 AmigoJack 11/13/2023 #2

我不希望文本文件能够携带代码点 NUL （以及其他几个控制字符）。这也与 U+0000 没有可用的命名字符引用（又称实体）一致。这很可能是一种预防措施，以免混淆处理以 NUL 结尾的字符串的（旧）实现。

甚至把你的部分封闭在<里！XHTML 中的 CDATA[ 不允许 U+0000。但话又说回来，XML 本身不允许 U+0000。<script>

将 HTML 与 JS 分开是最好的方法，但即便如此，您可能也希望将 JS 与二进制数据分开。将控制字符视为一种做法也是值得怀疑的，因为您不能期望该文本将以哪种编码进行解释 - 最好使用字节数组：String

var bytes= new Array( 0, 1, 2 );

评论

0赞 Timmmm 11/14/2023
文本文件可以很好地包含空字符。如果您阅读了我的答案以及其中的链接，则表明出于安全原因，HTML 中明确禁止使用它（有很多 C 代码不能正确处理字符串中的空字节）。
0赞 Timmmm 11/14/2023
“你不能指望用哪种编码来解释该文本”——是的，你可以;唯一有效的 HTML5 字符编码是 UTF-8，您甚至可以使用 meta 标记显式设置它
0赞 AmigoJack 11/14/2023
你为什么得出结论，我没有读过所有这些？文档只规定 - 我想出了一个潜在的原因。我的观点是文本文件中的 NUL 没有意义。不，我的意思是 JS 的内部文本编码，而不是您的文本文件中显而易见的编码 - JS 实现不同，可能使用 UTF-16 或字符串上的任何内容。这就是不将字符串与字节互换的意义所在——只有在 100% 清楚它在引擎盖下是如何工作的时才应该这样做的。另外，请编辑评论，而不是连续发布多个评论 - 这不是聊天。
0赞 Timmmm 11/14/2023
“文档只发号施令”——他们没有;他们提到了安全原因。
0赞 Timmmm 11/14/2023
JS 字符串的编码不是问题。这些始终是 UTF-16（实际上是 WTF-16，但在这种情况下没有区别）。它们可以毫无问题地存储代码点 0-255。

上一个：utf8_encode 和 mb_convert_encoding 冲突的 Resuts [复制]

下一个：在 Javascript 字符串文本中存储 null 字节