Inspecteur Unicode

Inspecteur Unicode

Ceci est un inspecteur Unicode : il découpe le texte collé en points de code pour voir identité, encodage et marques cachées. Le texte est découpé en points de code. Les identifiants UTF-8, ZWSP, BOM, NBSP, BiDi et U+ restent tels quels. A vaut U+0041, UTF-8 41, UTF-16BE 00 41. é en UTF-8 : C3 A9. 🍵 : U+1F375, UTF-16BE D8 3C DF 75. ZWSP : U+200B, UTF-8 E2 80 8B. Cyrillique а : U+0430 ; latin a : U+0061.

Mode d’emploi

1. Collez le texte. La conversion auto met à jour le tableau.
2. Insérez ZWSP, NBSP, BiDi, homoglyphes cyrilliques, guillemets ou diacritiques.
3. Cartes : points de code, uniques, graphèmes, unités UTF-16 (String.length en JavaScript), octets UTF-8 et UTF-16.
4. Filtres Tous / Invisible / Contrôle / Espaces / Homoglyphes / Non-ASCII. Copier U+ pour un point ; Copier le résultat pour le TSV visible.
5. L’exemple charge Hello\tWorld, café, NBSP, 🍵, ZWSP, 世界🌍 et аеор.

Sens des totaux

Les points de code comptent les scalaires. Les graphèmes sont ce que le lecteur voit. Les unités UTF-16 sont string.length ; 🍵 en prend deux. Invisible compte contrôles, format, ZWSP/BOM et NBSP, pas l’espace U+0020.

Invisibles, BiDi et homoglyphes

Contrôles en \t / \n. SPACE en ␣, NBSP en ⍽. Tags CTRL, INV, WS, BIDI, HOMOGLYPH. Les homoglyphes cyrilliques imitent a e o p c x y.

Colonnes et encodages

Une ligne, un point de code : glyphe, U+, nom Unicode, catégorie, bloc, UTF-8 et UTF-16BE. Le rapport copié ajoute UTF-32. Rien n’est envoyé au serveur.

Questions fréquentes

• Pourquoi deux unités UTF-16 pour 🍵 ? Hors BMP, donc paire de substituts.
• Caractères, graphèmes, unités ? Points de code = longueur Unicode, graphèmes = visuel, unités = length JS.
• Comme Hex vers ASCII ? Là on décode des octets. Ici on part des caractères et on signale les marques cachées.

Outils liés

Une chaîne d’octets : Chaîne en Hex. Décoder : Hexadécimal en ASCII. Offsets : Hex Dump.