Převodník Unicode

Převádí text na escape sekvence JavaScriptu \uXXXX / \u{HEX}, dekóduje smíšené escapy zpět na text a zkoumá každý znak jako kódový bod: U+hex, desítkově, bajty UTF-8, jednotky UTF-16 a escapy JS. Astrální kódové body (emotikony) se nikdy nerozdělí na poloviny surrogátů.
Veškeré zpracování probíhá lokálně ve vašem prohlížeči — vaše data se nikdy nenahrávají na žádný server.
Styl escapů:
Kódovat: text se rozdělí na kódové body Unicode (aby emotikony zůstaly celé) a každý se zapíše jako escape sekvence JavaScriptu.
Dekódovat: každá sekvence \uXXXX, \u{hex} nebo U+hex (velká i malá písmena) se převede na odpovídající znak. Sousední escapy surrogátových dvojic se sloučí do jednoho kódového bodu. Text bez escapů projde beze změny.
Inspektor: každý kódový bod je jeden řádek oddělený tabulátorem: znak, U+HEX, desítkově, bajty UTF-8, jednotky UTF-16 a escape JS. Celou tabulku lze zkopírovat z výstupu nebo stáhnout.
Vstup
Výstup
Ctrl+Enter ve vstupu spustí aktivní režim.
Vyberte Kódovat, Dekódovat nebo Inspektor a spusťte. Veškeré zpracování zůstává ve vašem prohlížeči.
Jak číst sloupce inspektoru:
U+HEX je kódový bod v šestnáctkové soustavě; desítkově je totéž číslo v desítkové soustavě. Bajty UTF-8 ukazují jeden až čtyři bajty, které znak zabírá při zápisu v UTF-8 (např. 中 = E4 B8 AD). UTF-16 ukazuje jednu nebo dvě 16bitové jednotky, které znak používá uvnitř řetězce JavaScriptu (emotikony nad U+FFFF potřebují dvě jednotky, „surrogate pair“: např. U+1F600 = D83D DE00). Escape JS je doporučený tvar znaku pro zdrojový kód.
Co načte tlačítko Ukázka:
Příklad, který patří k režimu, ve kterém jste, nikdy ne jeden pevný text, protože jeden text nemůže obsloužit všechny tři. Kódovat i Inspektor berou prosté znaky, proto dostanou Hello 中文！ 🎉 — ASCII, CJK, celoširokoúhlou značku a jeden emotikon. Dekódovat bere escape sekvence a prostá věta žádné neobsahuje: byla by vrácena beze změny a režim by neměl co ukázat, proto dostane Say \u4e2d\u6587 \u{1F600} U+0041 \uD83C\uDF89 OK, který nese po jednom tvaru ze všech, které dekodér přijímá (dvojice \uXXXX malými písmeny, složená závorka \u{HEX}, tvar U+hex, sousední surrogátová dvojice a slova, která nejsou escapy). Řádek pod poli uvádí výsledek, který máte hledat; v režimu Kódovat se řídí také stylem escapů a zaškrtávacím polem ASCII, takže zbylé tři styly uvidíte, když znovu stisknete Ukázku.
Co je Unicode?

Unicode je jediný katalog, který každému znaku každého písma přiřazuje číslo, jeho kódový bod, od U+0000 do U+10FFFF — 1 114 112 možných míst uspořádaných do 17 rovin po 65 536. První rovina, Basic Multilingual Plane (BMP), obsahuje znaky většiny živých jazyků; většina emotikonů a mnoho historických písem leží na vyšších („astrálních“) rovinách.

UTF-8, UTF-16 a UTF-32 nejsou soupeřící znakové sady, ale tři způsoby, jak tato čísla serializovat do bajtů — režim Inspektor ukazuje všechny tři pro týž znak vedle tvarů escapů JavaScriptu.

Unicode pojmenovává a číslí znaky; UTF-8/UTF-16/UTF-32 a escapy \uXXXX jsou jen různé způsoby zápisu týchž čísel.