Unicode 碼點轉換器會將文字轉換為明確的 U+ 十六進位標籤,並可從經過驗證的 U+XXXX 或 \u{...} 代碼重新建立文字。

若要精確檢查字元,請使用 Unicode 編碼器/解碼器。它會將文字轉換為 Unicode 純量值標籤,並將經過驗證的標籤轉換回文字,整個轉換作業都在您的瀏覽器本機執行。

此工具可回答一個特定問題:此字串包含哪些抽象 Unicode 值?它適用於偵錯複製的字串、調查看不見的差異、閱讀日誌中的碼點表示法,以及理解為何單一可見符號可能包含多個碼點。

unicode code point converter
用於序列診斷的 Unicode 碼點轉換器

碼點轉換器顯示的內容

Unicode 碼點是由十六進位數字識別的抽象值。在 U+ 表示法中,字母 A 會變成 U+0041,而 é 則識別為 U+00E9。轉換器會輸出大寫十六進位,且至少包含 4 個數位。

補充平面字元會保留其完整值。例如,😀 會表示為 U+1F600,而不會被拆成兩個 UTF-16 代理項半值。這種純量值處理方式,使輸出在檢查 Unicode 時,比 JavaScript UTF-16 程式碼單位的序列更有用。

表示法或表示形式代表的意義支援的行為
U+0041Unicode 純量值標籤在編碼模式中產生,並在解碼模式中接受
\u{1F600}JavaScript 風格的純量表示法在解碼模式中接受
U+200D零寬連接符純量值文字中存在時會明確包含
UTF-8 位元組經編碼的位元組序列此碼點轉換器不會產生

此區別很重要,因為碼點並不自動等同於使用者感知到的字元。轉換器會忠實顯示純量序列,但不會宣稱能將該序列分割成字素群集。

將文字轉換為 U+ 碼點

當您需要檢查貼上的字串中的確切 Unicode 值時,請使用此工作流程。

  1. 開啟 Unicode 編碼器/解碼器,並選擇 文字轉碼點模式。
  2. 將確切的 Unicode 字串貼到輸入欄位中。如果這些差異對您的調查很重要,請勿移除空格、換行、定位點、組合記號或看似不可見的字元。
  3. 執行轉換並檢查產生的 U+ 標籤。每個標籤都會識別一個 Unicode 純量值。
  4. 仔細檢查補充字元。它們會保留為單一值,例如 U+1F600,而不會顯示為個別的代理程式碼單元。
  5. 複製 U+ 序列,以供文件記錄、比較或在解碼模式中進行往返檢查。

診斷比較失敗時,貼上確切的輸入內容尤其重要。換行會變成 U+000A,而零寬連接符會顯示為 U+200D。控制字元和預設忽略的碼點也會包含在內,因此轉換器能顯示渲染後難以察覺的差異。

從碼點代碼重新建立文字

解碼模式是反向工作流程。請輸入以 U+ 開頭的代碼,或 JavaScript 風格的 \u{...} 表示法。以空格、逗號或換行分隔各代碼。十六進位數字不區分大小寫,因此 U+00e9 和 U+00E9 會識別相同的值。

例如,U+0041 會重建字母 A,而 \u{1F600} 會重建 😀。在不同系統之間傳遞這些值時,請保留必要的前置詞和代碼邊界。否則,相鄰的值可能會被誤認為一個較長的十六進位數字。

建立輸出文字前,會先檢查每個代碼。轉換器會拒絕缺少前置詞、非十六進位代碼、代理值,以及超出 Unicode 純量範圍的數字,而不會默默以無效項目取代。這項驗證很重要,因為損壞的代碼不應從重建結果中消失。

如需 JavaScript 碼點建構的背景資訊,ECMAScript String.fromCodePoint 規格會記錄相關的純量值邊界。轉換器會先驗證完整輸入,再呼叫其碼點建構函式。

閱讀完整的純量序列

有些可見表情符號是由多個 Unicode 純量值組成。表情符號 👩‍💻 包含 U+1F469、U+200D 和 U+1F4BB:女性、零寬連接符和筆記型電腦。兩個圖像符號之間的 U+200D 序列會將它們連接成一個顯示的符號。

旗幟、家庭表情符號、帶重音的形式,以及許多書寫系統也可能使用多碼點序列。修改符、變體選擇符、組合記號或連接符,可能構成使用者眼中的一個字元,但在輸出中仍是個別的純量值。

這就是為何「顯示每個字元」可能產生歧義。碼點轉換器會顯示每個純量值,但不會執行完整的字素分割,也不會判定序列是否構成建議使用的表情符號或正字法群集。其結果刻意呈現為精確的純量序列。

套用純量值驗證規則

有效的 Unicode 純量值範圍從 U+0000 到 U+10FFFF,但不包括代理值區間 U+D800 到 U+DFFF。代理程式碼單元保留供 UTF-16 配對使用,並不識別獨立的 Unicode 字元。

輸入值或格式Unicode 規則解碼結果
U+0000 到 U+D7FF位於純量值範圍內驗證後接受
U+E000 到 U+10FFFF位於純量值範圍內驗證後接受
U+D800 到 U+DFFF保留的代理值區間拒絕
大於 U+10FFFF超出 Unicode 上限拒絕
缺少 U+ 或 \u{...} 前置詞缺少必要的表示法拒絕
非十六進位字元該值不是十六進位碼點拒絕

這些規則可避免以代理值為基礎的慣例在往返轉換時,被當成有效的獨立字元。它們也會明確顯示失敗情況,這在您檢查文件、複製的識別碼或錯誤報告中記錄的序列時更有用。

將碼點與 UTF-8 位元組分開處理

Unicode 碼點和 UTF-8 位元組描述的是不同層級。U+00E9 會識別 Unicode 值 é,而其 UTF-8 表示形式則使用位元組 C3 A9。前者是抽象字元值;後者則是檔案、通訊協定和位元組導向軟體所使用的編碼形式。

當通訊協定或檔案格式需要位元組層級的輸出時,請改用 UTF-8 編碼器/解碼器。碼點轉換器不會默默以 UTF-8 位元組取代 Unicode 標籤,因此每項結果的含義都能保持清楚。

同樣的區分也適用於其他語法。HTML 實體、JSON 逸出、URL 編碼和 JavaScript 風格的逸出,各有自己的規則。此工具的輸出是診斷用的碼點表示形式,並非加密格式,也不是適用於所有程式設計語言的通用逸出格式。

保留正規化差異

轉換器不會執行 Unicode 正規化。預先組合的 é 可以編碼為 U+00E9,而外觀相同的分解形式則可以編碼為 U+0065,後接 U+0301。兩者都是有效的,且可能呈現相似的外觀,但仍是不同的純量序列。

這種精確性有助於診斷涉及搜尋索引、識別碼、檔案名稱、複製的命令和字串比較的問題。先進行正規化可能會掩蓋您想調查的差異。轉換器反而會顯示實際提供的序列。

看不見的值同樣可能很重要。顯示換行的 U+000A 或零寬連接符的 U+200D,可以解釋游標意外移動、看似空白的差異,或是即使在螢幕上看起來正確,卻無法通過精確比較的文字。

瞭解轉換限制

輸入上限為 100,000 個碼點,以確保渲染和複製操作維持順暢反應。此工具包含控制字元和預設忽略的值,但不會查詢字元名稱、書寫系統、易混淆狀態或語言意義。這些都是可逆純量轉換以外的獨立 Unicode 屬性。

它也不會驗證序列是否為建議使用的表情符號或正字法群集。需要這些額外屬性時,請使用專門的 Unicode 資料或分割資源。就此任務而言,支援的工作流程是檢查或重建純量序列,並讓表示形式適合接收該結果的系統。

有目的地使用碼點結果

  • 比較兩個看似相同、但可能包含不同組合記號或不可見字元的字串。
  • 檢查由多個純量值組成的連接表情符號或其他可見符號。
  • 將文件記載的 U+ 或 \u{...} 值轉換回可讀文字,以供驗證。
  • 確認日誌、錯誤報告、搜尋詞或複製識別碼中的確切純量序列。

當問題在於字元身分時,請選擇碼點表示法;當通訊協定或檔案需要 UTF-8 時,請選擇位元組編碼器;當目的地需要特定語法時,請選擇 HTML、JSON 或 URL 工具。