文本轉 Unicode

把文本轉換為 Unicode 碼點、HTML 實體或 JavaScript 轉義序列，並可反向解碼。完整支援輔助平面字元與 emoji。

在文本與 Unicode 碼點之間雙向轉換。 可選擇 HTML 實體、JavaScript 轉義或 U+ 表示法。兩側都可編輯，基本多文種平面之外的字元（包括所有 emoji）會作為單個碼點處理，而不會被拆成代理對。

碼點、編碼與代理對

碼點不是位元組

Unicode 為每個字元分配一個編號，稱為碼點，寫作 U+ 加十六進位制數字。A 是 U+0041，蜂 是 U+8702，蜜蜂 emoji 是 U+1F41D。這個編號是字元的身份標識。至於如何儲存——UTF-8、UTF-16 還是 UTF-32——是另一個層面的決定，這也是本工具與「文本轉二進位制」不同的地方。

代理對陷阱

JavaScript 字串採用 UTF-16。U+FFFF 以上的碼點會被存成兩個 16 位的半值，稱為代理對。用 charCodeAt 簡單迴圈的程式碼會把一個 emoji 看成 0xD800-0xDFFF 之間兩個無意義的值，並報告 "🐝".length 等於 2。本工具按碼點迭代，因此蜜蜂 emoji 只產生一個值 U+1F41D，而不是兩個殘缺的半值。

四種輸出格式

  • HTML 十進位制實體 —— A。可用於任何 HTML 文件和 XML。
  • HTML 十六進位制實體 —— A。同樣的內容用十六進位制表示，與 Unicode 官方圖表的寫法一致。
  • JavaScript 轉義 —— \u0041。用於原始碼中的字串字面量。U+FFFF 以上必須使用花括號形式 \u{1F41D}，本工具會自動輸出該形式。
  • 碼點表示法 —— U+0041。規範文件中使用的寫法。

實際用途

把非 ASCII 文本轉義為實體，可以讓它安全通過那些會破壞編碼的系統，例如老舊的郵件閘道器或配置錯誤的資料庫。檢視碼點也是排查不可見字元最快的方法：零寬空格（U+200B）和不換行空格（U+00A0）在螢幕上與普通空格毫無區別，卻會導致字串比較失敗。把可疑文本貼上進來，差異立刻可見。

開源說明：基於 JavaScript 原生的 String.prototype.codePointAt 與 String.fromCodePoint 實現，未使用第三方庫。

常見問題

為什麼一個 emoji 只輸出一個 U+1F41D 而不是兩個值？
本工具按碼點迭代，而不是按 UTF-16 碼元。Emoji 位於 U+FFFF 以上，簡單的字元迴圈會把它拆成代理對，本工具不會。
這個工具和「文本轉二進位制」有什麼區別？
本工具展示碼點，即每個字元的抽象身份；二進位制工具展示用於儲存它們的 UTF-8 位元組。一個字元可能是一個碼點，卻對應三個位元組。
可以混合多種格式一起解碼嗎？
可以。解碼器能在同一段輸入中識別 &#..;、&#x..;、\uXXXX、\u{...} 和 U+....，轉義之間的普通文本會原樣保留。
如何找出字串裡的不可見字元？
粘貼後切換到 U+ 表示法。零寬空格顯示為 U+200B，不換行空格為 U+00A0，位元組序標記為 U+FEFF——它們在螢幕上不可見，在這裡卻一目瞭然。
HTML 實體可以直接放進頁面嗎？
可以，數字字元引用在 HTML 和 XML 中都是合法的。但要注意它只轉義字元本身，不能替代對不可信內容中 <、> 和 & 的正規 HTML 轉義。
資料會離開瀏覽器嗎？
不會。轉換隻是本地的字串處理。