🎙️ Unicode ไม่ได้ดีทุกตัว – เมื่อ RFC 9839 ช่วยคัดกรองตัวอักษรที่ควรหลีกเลี่ยง ทุกวันนี้ Unicode กลายเป็นมาตรฐานกลางสำหรับการจัดการข้อความในระบบคอมพิวเตอร์ แต่ Tim Bray ชี้ให้เห็นว่า “ไม่ใช่ทุกตัวอักษรใน Unicode ที่ควรใช้” โดยเฉพาะในโปรโตคอลที่ต้องการความปลอดภัย ความเสถียร และความสามารถในการทำงานร่วมกัน เขาและ Paul Hoffman จึงเสนอเอกสาร RFC 9839 ต่อ IETF ซึ่งใช้เวลาถึงสองปีในการพัฒนา ก่อนจะได้รับการรับรองในปี 2025 โดย RFC นี้ระบุชัดเจนว่ามี “กลุ่มตัวอักษรที่มีปัญหา” เช่น: - U+0000 (null character) ที่รบกวนการทำงานของหลายภาษา - U+0089 (C1 control code) ที่มีพฤติกรรมไม่ชัดเจน - U+DEAD (unpaired surrogate) ที่ไม่ควรปรากฏใน UTF-8 - U+7FFFF (noncharacter) ที่ไม่มีความหมายและไม่ควรส่งผ่านเครือข่าย RFC 9839 เสนอ 3 ชุดตัวอักษรย่อยที่ “ปลอดภัยกว่า” สำหรับใช้ในโปรโตคอล ได้แก่ Scalars, XML และ Assignables โดยแต่ละชุดมีระดับการกรองตัวอักษรที่ต่างกัน แม้จะมี RFC 8264 (PRECIS Framework) ที่ครอบคลุมมากกว่า แต่ Tim เห็นว่ามันซับซ้อนเกินไป และผูกกับเวอร์ชัน Unicode เฉพาะ ทำให้ใช้งานยากในระบบทั่วไป เขายังเขียนไลบรารีภาษา Go สำหรับตรวจสอบข้อความตาม RFC 9839 เพื่อให้นักพัฒนานำไปใช้ได้ทันที 📌 สรุปเนื้อหาเป็นหัวข้อ ➡️ RFC 9839 เป็นเอกสารจาก IETF ที่ระบุ Unicode characters ที่ควรหลีกเลี่ยง ➡️ เสนอ 3 ชุดตัวอักษรย่อย: Scalars, XML, Assignables สำหรับใช้ในโปรโตคอล ➡️ ตัวอย่างตัวอักษรที่มีปัญหา ได้แก่ U+0000, U+0089, U+DEAD, U+7FFFF ➡️ U+DEAD เป็น unpaired surrogate ที่ไม่ควรปรากฏใน UTF-8 ➡️ U+7FFFF เป็น noncharacter ที่ไม่มีความหมายและไม่ควรส่งผ่านเครือข่าย ➡️ JSON อนุญาตให้ใช้ตัวอักษรเหล่านี้ แต่ RFC 9839 แนะนำให้กรองออก ➡️ Tim Bray เขียนไลบรารีภาษา Go สำหรับตรวจสอบข้อความตาม RFC 9839 ➡️ RFC 9839 เป็น submission แบบบุคคล ไม่ผ่าน Working Group ➡️ PRECIS (RFC 8264) เป็นกรอบการทำงานที่ซับซ้อนกว่า แต่ไม่ค่อยมีคนใช้ ➡️ PRECIS ผูกกับเวอร์ชัน Unicode ทำให้การใช้งานในระบบทั่วไปยุ่งยาก ✅ ข้อมูลเสริมจากภายนอก ➡️ Unicode มีตัวอักษรหลายประเภท เช่น control codes, surrogates, noncharacters ➡️ UTF-8 ไม่อนุญาตให้เข้ารหัส surrogate pairs ➡️ JSON ไม่กรองตัวอักษรที่มีปัญหาโดยค่าเริ่มต้น ➡️ XML และ YAML มีการกรองบางส่วน แต่ไม่ครบทุกประเภท ➡️ การใช้ตัวอักษรที่ไม่เหมาะสมอาจทำให้เกิดปัญหาในการ parse หรือแสดงผล ➡️ การกรอง Unicode ที่ไม่เหมาะสมช่วยเพิ่มความปลอดภัยและความเสถียรของระบบ https://www.tbray.org/ongoing/When/202x/2025/08/14/RFC9839