compiler/rustc_lint/src/non_ascii_idents.rs

   1 use crate::{EarlyContext, EarlyLintPass, LintContext};
   2 use rustc_ast as ast;
   3 use rustc_data_structures::fx::FxHashMap;
   4 use rustc_errors::fluent;
   5 use rustc_span::symbol::Symbol;
   6
   7 declare_lint! {
   8     /// The `non_ascii_idents` lint detects non-ASCII identifiers.
   9     ///
  10     /// ### Example
  11     ///
  12     /// ```rust,compile_fail
  13     /// # #![allow(unused)]
  14     /// #![deny(non_ascii_idents)]
  15     /// fn main() {
  16     ///     let föö = 1;
  17     /// }
  18     /// ```
  19     ///
  20     /// {{produces}}
  21     ///
  22     /// ### Explanation
  23     ///
  24     /// This lint allows projects that wish to retain the limit of only using
  25     /// ASCII characters to switch this lint to "forbid" (for example to ease
  26     /// collaboration or for security reasons).
  27     /// See [RFC 2457] for more details.
  28     ///
  29     /// [RFC 2457]: https://github.com/rust-lang/rfcs/blob/master/text/2457-non-ascii-idents.md
  30     pub NON_ASCII_IDENTS,
  31     Allow,
  32     "detects non-ASCII identifiers",
  33     crate_level_only
  34 }
  35
  36 declare_lint! {
  37     /// The `uncommon_codepoints` lint detects uncommon Unicode codepoints in
  38     /// identifiers.
  39     ///
  40     /// ### Example
  41     ///
  42     /// ```rust
  43     /// # #![allow(unused)]
  44     /// const µ: f64 = 0.000001;
  45     /// ```
  46     ///
  47     /// {{produces}}
  48     ///
  49     /// ### Explanation
  50     ///
  51     /// This lint warns about using characters which are not commonly used, and may
  52     /// cause visual confusion.
  53     ///
  54     /// This lint is triggered by identifiers that contain a codepoint that is
  55     /// not part of the set of "Allowed" codepoints as described by [Unicode®
  56     /// Technical Standard #39 Unicode Security Mechanisms Section 3.1 General
  57     /// Security Profile for Identifiers][TR39Allowed].
  58     ///
  59     /// Note that the set of uncommon codepoints may change over time. Beware
  60     /// that if you "forbid" this lint that existing code may fail in the
  61     /// future.
  62     ///
  63     /// [TR39Allowed]: https://www.unicode.org/reports/tr39/#General_Security_Profile
  64     pub UNCOMMON_CODEPOINTS,
  65     Warn,
  66     "detects uncommon Unicode codepoints in identifiers",
  67     crate_level_only
  68 }
  69
  70 declare_lint! {
  71     /// The `confusable_idents` lint detects visually confusable pairs between
  72     /// identifiers.
  73     ///
  74     /// ### Example
  75     ///
  76     /// ```rust
  77     /// // Latin Capital Letter E With Caron
  78     /// pub const Ě: i32 = 1;
  79     /// // Latin Capital Letter E With Breve
  80     /// pub const Ĕ: i32 = 2;
  81     /// ```
  82     ///
  83     /// {{produces}}
  84     ///
  85     /// ### Explanation
  86     ///
  87     /// This lint warns when different identifiers may appear visually similar,
  88     /// which can cause confusion.
  89     ///
  90     /// The confusable detection algorithm is based on [Unicode® Technical
  91     /// Standard #39 Unicode Security Mechanisms Section 4 Confusable
  92     /// Detection][TR39Confusable]. For every distinct identifier X execute
  93     /// the function `skeleton(X)`. If there exist two distinct identifiers X
  94     /// and Y in the same crate where `skeleton(X) = skeleton(Y)` report it.
  95     /// The compiler uses the same mechanism to check if an identifier is too
  96     /// similar to a keyword.
  97     ///
  98     /// Note that the set of confusable characters may change over time.
  99     /// Beware that if you "forbid" this lint that existing code may fail in
 100     /// the future.
 101     ///
 102     /// [TR39Confusable]: https://www.unicode.org/reports/tr39/#Confusable_Detection
 103     pub CONFUSABLE_IDENTS,
 104     Warn,
 105     "detects visually confusable pairs between identifiers",
 106     crate_level_only
 107 }
 108
 109 declare_lint! {
 110     /// The `mixed_script_confusables` lint detects visually confusable
 111     /// characters in identifiers between different [scripts].
 112     ///
 113     /// [scripts]: https://en.wikipedia.org/wiki/Script_(Unicode)
 114     ///
 115     /// ### Example
 116     ///
 117     /// ```rust
 118     /// // The Japanese katakana character エ can be confused with the Han character 工.
 119     /// const エ: &'static str = "アイウ";
 120     /// ```
 121     ///
 122     /// {{produces}}
 123     ///
 124     /// ### Explanation
 125     ///
 126     /// This lint warns when characters between different scripts may appear
 127     /// visually similar, which can cause confusion.
 128     ///
 129     /// If the crate contains other identifiers in the same script that have
 130     /// non-confusable characters, then this lint will *not* be issued. For
 131     /// example, if the example given above has another identifier with
 132     /// katakana characters (such as `let カタカナ = 123;`), then this indicates
 133     /// that you are intentionally using katakana, and it will not warn about
 134     /// it.
 135     ///
 136     /// Note that the set of confusable characters may change over time.
 137     /// Beware that if you "forbid" this lint that existing code may fail in
 138     /// the future.
 139     pub MIXED_SCRIPT_CONFUSABLES,
 140     Warn,
 141     "detects Unicode scripts whose mixed script confusables codepoints are solely used",
 142     crate_level_only
 143 }
 144
 145 declare_lint_pass!(NonAsciiIdents => [NON_ASCII_IDENTS, UNCOMMON_CODEPOINTS, CONFUSABLE_IDENTS, MIXED_SCRIPT_CONFUSABLES]);
 146
 147 impl EarlyLintPass for NonAsciiIdents {
 148     fn check_crate(&mut self, cx: &EarlyContext<'_>, _: &ast::Crate) {
 149         use rustc_session::lint::Level;
 150         use rustc_span::Span;
 151         use std::collections::BTreeMap;
 152         use unicode_security::GeneralSecurityProfile;
 153
 154         let check_non_ascii_idents = cx.builder.lint_level(NON_ASCII_IDENTS).0 != Level::Allow;
 155         let check_uncommon_codepoints =
 156             cx.builder.lint_level(UNCOMMON_CODEPOINTS).0 != Level::Allow;
 157         let check_confusable_idents = cx.builder.lint_level(CONFUSABLE_IDENTS).0 != Level::Allow;
 158         let check_mixed_script_confusables =
 159             cx.builder.lint_level(MIXED_SCRIPT_CONFUSABLES).0 != Level::Allow;
 160
 161         if !check_non_ascii_idents
 162             && !check_uncommon_codepoints
 163             && !check_confusable_idents
 164             && !check_mixed_script_confusables
 165         {
 166             return;
 167         }
 168
 169         let mut has_non_ascii_idents = false;
 170         let symbols = cx.sess().parse_sess.symbol_gallery.symbols.lock();
 171
 172         // Sort by `Span` so that error messages make sense with respect to the
 173         // order of identifier locations in the code.
 174         let mut symbols: Vec<_> = symbols.iter().collect();
 175         symbols.sort_by_key(|k| k.1);
 176
 177         for (symbol, &sp) in symbols.iter() {
 178             let symbol_str = symbol.as_str();
 179             if symbol_str.is_ascii() {
 180                 continue;
 181             }
 182             has_non_ascii_idents = true;
 183             cx.struct_span_lint(NON_ASCII_IDENTS, sp, |lint| {
 184                 lint.build(fluent::lint::identifier_non_ascii_char).emit();
 185             });
 186             if check_uncommon_codepoints
 187                 && !symbol_str.chars().all(GeneralSecurityProfile::identifier_allowed)
 188             {
 189                 cx.struct_span_lint(UNCOMMON_CODEPOINTS, sp, |lint| {
 190                     lint.build(fluent::lint::identifier_uncommon_codepoints).emit();
 191                 })
 192             }
 193         }
 194
 195         if has_non_ascii_idents && check_confusable_idents {
 196             let mut skeleton_map: FxHashMap<Symbol, (Symbol, Span, bool)> =
 197                 FxHashMap::with_capacity_and_hasher(symbols.len(), Default::default());
 198             let mut skeleton_buf = String::new();
 199
 200             for (&symbol, &sp) in symbols.iter() {
 201                 use unicode_security::confusable_detection::skeleton;
 202
 203                 let symbol_str = symbol.as_str();
 204                 let is_ascii = symbol_str.is_ascii();
 205
 206                 // Get the skeleton as a `Symbol`.
 207                 skeleton_buf.clear();
 208                 skeleton_buf.extend(skeleton(&symbol_str));
 209                 let skeleton_sym = if *symbol_str == *skeleton_buf {
 210                     symbol
 211                 } else {
 212                     Symbol::intern(&skeleton_buf)
 213                 };
 214
 215                 skeleton_map
 216                     .entry(skeleton_sym)
 217                     .and_modify(|(existing_symbol, existing_span, existing_is_ascii)| {
 218                         if !*existing_is_ascii || !is_ascii {
 219                             cx.struct_span_lint(CONFUSABLE_IDENTS, sp, |lint| {
 220                                 lint.build(fluent::lint::confusable_identifier_pair)
 221                                     .set_arg("existing_sym", *existing_symbol)
 222                                     .set_arg("sym", symbol)
 223                                     .span_label(*existing_span, fluent::lint::label)
 224                                     .emit();
 225                             });
 226                         }
 227                         if *existing_is_ascii && !is_ascii {
 228                             *existing_symbol = symbol;
 229                             *existing_span = sp;
 230                             *existing_is_ascii = is_ascii;
 231                         }
 232                     })
 233                     .or_insert((symbol, sp, is_ascii));
 234             }
 235         }
 236
 237         if has_non_ascii_idents && check_mixed_script_confusables {
 238             use unicode_security::is_potential_mixed_script_confusable_char;
 239             use unicode_security::mixed_script::AugmentedScriptSet;
 240
 241             #[derive(Clone)]
 242             enum ScriptSetUsage {
 243                 Suspicious(Vec<char>, Span),
 244                 Verified,
 245             }
 246
 247             let mut script_states: FxHashMap<AugmentedScriptSet, ScriptSetUsage> =
 248                 FxHashMap::default();
 249             let latin_augmented_script_set = AugmentedScriptSet::for_char('A');
 250             script_states.insert(latin_augmented_script_set, ScriptSetUsage::Verified);
 251
 252             let mut has_suspicous = false;
 253             for (symbol, &sp) in symbols.iter() {
 254                 let symbol_str = symbol.as_str();
 255                 for ch in symbol_str.chars() {
 256                     if ch.is_ascii() {
 257                         // all ascii characters are covered by exception.
 258                         continue;
 259                     }
 260                     if !GeneralSecurityProfile::identifier_allowed(ch) {
 261                         // this character is covered by `uncommon_codepoints` lint.
 262                         continue;
 263                     }
 264                     let augmented_script_set = AugmentedScriptSet::for_char(ch);
 265                     script_states
 266                         .entry(augmented_script_set)
 267                         .and_modify(|existing_state| {
 268                             if let ScriptSetUsage::Suspicious(ch_list, _) = existing_state {
 269                                 if is_potential_mixed_script_confusable_char(ch) {
 270                                     ch_list.push(ch);
 271                                 } else {
 272                                     *existing_state = ScriptSetUsage::Verified;
 273                                 }
 274                             }
 275                         })
 276                         .or_insert_with(|| {
 277                             if !is_potential_mixed_script_confusable_char(ch) {
 278                                 ScriptSetUsage::Verified
 279                             } else {
 280                                 has_suspicous = true;
 281                                 ScriptSetUsage::Suspicious(vec![ch], sp)
 282                             }
 283                         });
 284                 }
 285             }
 286
 287             if has_suspicous {
 288                 let verified_augmented_script_sets = script_states
 289                     .iter()
 290                     .flat_map(|(k, v)| match v {
 291                         ScriptSetUsage::Verified => Some(*k),
 292                         _ => None,
 293                     })
 294                     .collect::<Vec<_>>();
 295
 296                 // we're sorting the output here.
 297                 let mut lint_reports: BTreeMap<(Span, Vec<char>), AugmentedScriptSet> =
 298                     BTreeMap::new();
 299
 300                 'outerloop: for (augment_script_set, usage) in script_states {
 301                     let ScriptSetUsage::Suspicious(mut ch_list, sp) = usage else { continue };
 302
 303                     if augment_script_set.is_all() {
 304                         continue;
 305                     }
 306
 307                     for existing in verified_augmented_script_sets.iter() {
 308                         if existing.is_all() {
 309                             continue;
 310                         }
 311                         let mut intersect = *existing;
 312                         intersect.intersect_with(augment_script_set);
 313                         if !intersect.is_empty() && !intersect.is_all() {
 314                             continue 'outerloop;
 315                         }
 316                     }
 317
 318                     // We sort primitive chars here and can use unstable sort
 319                     ch_list.sort_unstable();
 320                     ch_list.dedup();
 321                     lint_reports.insert((sp, ch_list), augment_script_set);
 322                 }
 323
 324                 for ((sp, ch_list), script_set) in lint_reports {
 325                     cx.struct_span_lint(MIXED_SCRIPT_CONFUSABLES, sp, |lint| {
 326                         let mut includes = String::new();
 327                         for (idx, ch) in ch_list.into_iter().enumerate() {
 328                             if idx != 0 {
 329                                 includes += ", ";
 330                             }
 331                             let char_info = format!("'{}' (U+{:04X})", ch, ch as u32);
 332                             includes += &char_info;
 333                         }
 334                         lint.build(fluent::lint::mixed_script_confusables)
 335                             .set_arg("set", script_set.to_string())
 336                             .set_arg("includes", includes)
 337                             .note(fluent::lint::includes_note)
 338                             .note(fluent::lint::note)
 339                             .emit();
 340                     });
 341                 }
 342             }
 343         }
 344     }
 345 }