Détecteur de caractères invisibles et décodeur d'ASCII smuggling

Comment les caractères cachés sont repérés

Unicode définit de nombreux caractères qui n'impriment rien : espaces et liants de largeur nulle, marques qui inversent le sens du texte, traits d'union conditionnels, espaces de largeurs inhabituelles et caractères de balise qui reproduisent l'ASCII. Ils sont utiles à leur place, et gênants ou dangereux ailleurs. Cet outil lit votre texte point de code par point de code et range chaque résultat dans un type, pour que vous voyiez ce qui s'y trouve avant de décider quoi en faire.

Sept types sont signalés. Les caractères de largeur nulle comprennent l'espace de largeur nulle, les liants et la marque d'ordre des octets. Les contrôles de direction du texte sont les incorporations, forçages, isolats et marques utilisés dans les attaques Trojan Source contre le code source. Les caractères de balise Unicode forment le bloc U+E0000, utilisé pour glisser des instructions invisibles dans des textes destinés aux assistants IA ; chaque suite est décodée pour que vous lisiez l'ASCII qu'elle écrit. Les caractères de contrôle sont les codes C0 et C1 autres que la tabulation et les sauts de ligne. Les autres caractères invisibles couvrent le trait d'union conditionnel, les opérateurs mathématiques invisibles, les caractères de remplissage et les sélecteurs de variante, et les espaces inhabituels sont l'espace insécable, les espaces cadratin et demi-cadratin et l'espace idéographique. Enfin, les mots à écritures mélangées sont des mots qui combinent des lettres latines avec des lettres cyrilliques, grecques ou arméniennes, la méthode habituelle pour imiter un nom de domaine ou un nom d'utilisateur.

Les espaces de largeur nulle apparaissent aussi dans les textes générés par IA. Les assistants de chat et les chaînes de traitement de texte laissent parfois des espaces ou des liants de largeur nulle dans leur sortie, et ces mêmes caractères peuvent servir de filigrane invisible : une réponse collée peut donc contenir plus que ce que vous voyez. Passer le texte dans cette vérification montre exactement ce qui s'y cache.

Certains de ces caractères ont leur place dans un vrai texte ; l'outil les laisse donc tranquilles là où ils sont normaux. Un drapeau complet de l'Angleterre, de l'Écosse ou du pays de Galles (un drapeau noir suivi de quelques lettres de balise et d'une balise d'annulation), un lieur de largeur nulle entre deux emoji et un sélecteur de présentation emoji après un emoji sont tous normaux. Un liant ou un antiliant à l'intérieur de mots persans, hindis ou arabes est aussi normal mais il est signalé, car l'outil ne peut pas connaître la langue de votre texte.

La copie nettoyée supprime les caractères de largeur nulle, de direction, de balise, de contrôle et les autres caractères invisibles. Elle ne modifie jamais les mots à écritures mélangées, car remplacer une lettre changerait le texte ; corrigez-les à la main après avoir examiné le mot surligné.

Astuces

• Comptez ce qui reste avec le compteur de caractères, qui compte caractères, octets et lignes.
• Comparez l'original avec le texte nettoyé dans Comparer des textes.
• Pour supprimer un caractère précis partout, utilisez Rechercher et remplacer.