Detector de caracteres invisibles y decodificador de ASCII smuggling

Cómo se encuentran los caracteres ocultos

Unicode define muchos caracteres que no imprimen nada: espacios y unidores de ancho cero, marcas que invierten la dirección del texto, guiones suaves, espacios de anchos poco comunes y los caracteres de etiqueta que reflejan ASCII. Son útiles en su lugar y una molestia o un arma fuera de él. Esta herramienta lee tu texto punto de código por punto de código y clasifica cada hallazgo en un tipo, para que veas qué hay antes de decidir qué hacer.

Se reportan siete tipos. Los caracteres de ancho cero incluyen el espacio de ancho cero, los unidores y la marca de orden de bytes. Los controles de dirección del texto son las incrustaciones, anulaciones, aislamientos y marcas que se usan en los ataques Trojan Source contra el código fuente. Los caracteres de etiqueta Unicode son el bloque U+E0000, que sirve para colar instrucciones invisibles en textos para asistentes de IA; cada secuencia se decodifica para que puedas leer el ASCII que forma. Los caracteres de control son los códigos C0 y C1 distintos del tabulador y los saltos de línea. Los otros caracteres invisibles abarcan el guion suave, los operadores matemáticos invisibles, los rellenos y los selectores de variación, y los espacios inusuales son el espacio de no separación, los espacios em y en y el espacio ideográfico. Por último, las palabras con escrituras mezcladas son palabras que combinan letras latinas con letras cirílicas, griegas o armenias, la forma habitual de falsificar un nombre de dominio o de usuario.

Los espacios de ancho cero también aparecen en el texto generado por IA. Los asistentes de chat y las canalizaciones de texto a veces dejan espacios o unidores de ancho cero en su salida, y los mismos caracteres pueden servir como marca de agua invisible, así que una respuesta pegada puede llevar más de lo que ves. Pasar el texto por esta revisión muestra exactamente qué hay oculto en él.

Algunos de estos caracteres pertenecen al texto real, así que la herramienta los deja en paz donde corresponde. La bandera completa de Inglaterra, Escocia o Gales (una bandera negra seguida de unas letras de etiqueta y una etiqueta de cancelación), un unidor de ancho cero entre dos emoji y un selector de presentación de emoji después de un emoji son normales. Un unidor o no-unidor dentro de palabras en persa, hindi o árabe también es normal, pero se reporta, porque la herramienta no puede saber el idioma de tu texto.

La copia limpia elimina los caracteres de ancho cero, de dirección, de etiqueta, de control y otros invisibles. Nunca modifica las palabras con escrituras mezcladas, porque reemplazar una letra cambiaría el texto; corrígelas a mano después de revisar la palabra resaltada.

Consejos

• Cuenta lo que queda con el contador de caracteres, que cuenta caracteres, bytes y líneas.
• Compara el original con el texto limpio en Comparar textos.
• Para quitar un carácter concreto en todo el texto, usa Buscar y reemplazar.