Inspector Unicode

Inspector Unicode

Esto es un inspector Unicode: parte el texto pegado en puntos de código para ver identidad, codificación y marcas ocultas. El texto se parte en puntos de código. Identificadores como UTF-8, ZWSP, BOM, NBSP, BiDi y U+ no se traducen. A es U+0041, UTF-8 41, UTF-16BE 00 41. é en UTF-8 es C3 A9. 🍵 es U+1F375, UTF-16BE D8 3C DF 75. ZWSP es U+200B, UTF-8 E2 80 8B. Cirílico а es U+0430; latino a es U+0061.

Cómo usarlo

1. Pegue texto. La conversión automática actualiza la tabla.
2. Inserte ZWSP, NBSP, BiDi, homoglifos cirílicos, comillas o marcas combinantes.
3. Tarjetas: puntos de código, únicos, grafemas, unidades UTF-16 (String.length en JavaScript), bytes UTF-8 y UTF-16.
4. Filtros Todos / Invisible / Control / Espacio / Homoglifos / No ASCII. Copiar U+ copia uno; Copiar resultado copia la tabla visible en TSV.
5. El ejemplo carga Hello\tWorld, café, NBSP, 🍵, ZWSP, 世界🌍 y аеор.

Qué significan los totales

Los puntos de código cuentan valores escalares. Los grafemas son lo que ve el lector. Las unidades UTF-16 son string.length; 🍵 ocupa dos. Invisible cuenta controles, formato, ZWSP/BOM y NBSP, no el SPACE normal.

Invisibles, BiDi y homoglifos

Controles como \t / \n. SPACE como ␣, NBSP como ⍽. Etiquetas CTRL, INV, WS, BIDI, HOMOGLYPH. Los homoglifos cirílicos imitan a e o p c x y.

Columnas y codificaciones

Una fila, un punto de código: glifo, U+, nombre Unicode, categoría, bloque, UTF-8 y UTF-16BE. El informe copiado incluye UTF-32. Nada se sube.

Preguntas frecuentes

• ¿Por qué 🍵 usa dos unidades UTF-16? Fuera del BMP, usa un par de sustitutos.
• ¿Caracteres, grafemas y unidades? Puntos de código = longitud Unicode; grafemas = visual; unidades = length de JS.
• ¿Es Hex a ASCII? Allí se decodifican bytes. Aquí se parte de caracteres y se marcan ocultos.

Herramientas relacionadas

Una cadena de bytes: Cadena a Hexadecimal. Decodificar: Hexadecimal a ASCII. Con desplazamientos: Hex Dump.