Unicodekonverterare

Escapa text som JavaScript-sekvenser \uXXXX / \u{HEX}, avkoda blandade escapes tillbaka till text och inspektera varje tecken som en kodpunkt: U+-hex, decimalt, UTF-8-byte, UTF-16-enheter och JS-escapes. Astrala kodpunkter (emojier) delas aldrig i surrogathalvor.
All bearbetning sker lokalt i webbläsaren — data laddas aldrig upp till någon server.
Escape-stil:
Koda: Texten delas upp i Unicode-kodpunkter (så att emojier förblir intakta) och varje kodpunkt skrivs som en JavaScript-escapesekvens.
Avkoda: Varje sekvens \uXXXX, \u{hex} eller U+hex (gemener eller versaler) omvandlas till sitt tecken. Intilliggande escapes för surrogatpar slås ihop till en enda kodpunkt. Text utan escapes passerar oförändrad.
Inspektör: Varje kodpunkt blir en tabbseparerad rad: tecken, U+HEX, decimal, UTF-8-byte, UTF-16-enheter och JS-escape. Hela tabellen kan kopieras från utdata eller laddas ned.
Indata
Utdata
Ctrl+Enter i indatan kör det aktiva läget.
Välj Koda, Avkoda eller Inspektör och kör. All bearbetning stannar i webbläsaren.
Så läser man inspektörskolumnerna:
U+HEX är kodpunkten i hexadecimal; decimal är samma tal i bas 10. UTF-8-byte visar de en till fyra byte som tecknet upptar när det skrivs som UTF-8 (t.ex. 中 = E4 B8 AD). UTF-16 visar de en eller två 16-bitarsenheter som tecknet använder inuti en JavaScript-sträng (emojier bortom U+FFFF behöver två enheter, ett “surrogatpar”: t.ex. U+1F600 = D83D DE00). JS-escape är den rekommenderade källkodsformen för tecknet.
Vad exempelknappen laddar:
Exemplet hör till det aktiva läget, aldrig en fast text, eftersom en och samma text inte kan passa alla tre. Koda och Inspektör tar båda vanliga tecken, så de får Hello 中文！ 🎉 — ASCII, CJK, ett fullbreddstecken och en emoji. Avkoda tar escapesekvenser, och en vanlig mening innehåller inga sådana: den skulle ekas tillbaka ord för ord och läget skulle inte ha något att visa. Därför får Avkoda Say \u4e2d\u6587 \u{1F600} U+0041 \uD83C\uDF89 OK, som bär en av varje form som avkodaren accepterar: ett \uXXXX-par med gemener, en \u{HEX}-klammer, en U+hex-form, ett intilliggande surrogatpar och ord som inte är escapes. Raden under rutorna anger resultatet att leta efter. I Koda följer den också escapestilen och kryssrutan för ASCII, så de tre andra formerna kan ses genom att trycka på Exempel igen.
Vad är Unicode?

Unicode är ett enda register som tilldelar varje tecken i varje skriftsystem ett tal, dess kodpunkt, från U+0000 till U+10FFFF — 1 114 112 möjliga platser ordnade i 17 plan om 65 536 vardera. Det första planet, Basic Multilingual Plane (BMP), innehåller tecknen i de flesta levande språk; de flesta emojier och många historiska skriftsystem finns på de högre (“astrala”) planen.

UTF-8, UTF-16 och UTF-32 är inte konkurrerande teckenuppsättningar utan tre sätt att serialisera dessa tal till byte — inspektionsläget visar alla tre för samma tecken, bredvid JavaScript-escapeformerna.

Unicode namnger och numrerar tecknen; UTF-8, UTF-16, UTF-32 och \uXXXX-escapes är bara olika sätt att skriva ned samma tal.