Unicode 検査

Unicode 検査ツール

Unicode 検査ツールです。貼り付けた文字をコードポイントに分け、識別情報・符号化・隠し記号を見ます。 テキストを Unicode コードポイントに分解し、識別情報・符号化・異常を表示します。UTF-8、ZWSP、BOM、NBSP、BiDi、U+ などの識別子は訳しません。A は U+0041、UTF-8 41、UTF-16BE 00 41。é の UTF-8 は C3 A9。🍵 は U+1F375、UTF-16BE のサロゲート対 D8 3C DF 75。ZWSP は U+200B、UTF-8 E2 80 8B。キリルの а は U+0430、ラテンの a は U+0061。

使い方

1. テキストを貼ります。自動変換がオンなので、入力と同時に表が更新されます。
2. 「テスト文字を挿入」で ZWSP、NBSP、BiDi、キリルのホモグリフ、引用符、結合文字を追加できます。
3. 要約カードでコードポイント数、ユニーク数、書記素、UTF-16 ユニット（JavaScript の String.length）、UTF-8 / UTF-16 バイトを確認します。
4. すべて / 不可視 / 制御 / 空白 / ホモグリフ / 非 ASCII で絞り込みます。Copy U+ は 1 件、コピー結果は表示中の表を TSV にします。
5. 「例を表示」は Hello\tWorld、café、NBSP、🍵、ZWSP、世界🌍、キリル аеор を読み込みます。

要約の意味

コードポイントはスカラー値です。絵文字は 1 つです。書記素は読者が見る単位です。UTF-16 ユニットは JavaScript の length で、🍵 は 2 です。不可視は制御・書式・ZWSP/BOM・NBSP などを数え、通常の U+0020 SPACE は含めません。

不可視文字、BiDi、ホモグリフ

制御は \t / \n、SPACE は ␣、NBSP は ⍽。タグは CTRL、INV、WS、BIDI、HOMOGLYPH。ホモグリフはラテン a e o p c x y に見えるキリル文字です。BiDi（LRM、RLM、LRE、RLO、PDF）は見た目の文字なしで方向を逆転できます。

列と符号化

1 行が 1 コードポイントです。グリフ、U+、Unicode 名、一般カテゴリ、ブロック、UTF-8 と UTF-16BE。コピーした報告には UTF-32 も入ります。処理はブラウザ内だけです。

よくある質問

• なぜ 🍵 は UTF-16 が 2 ユニット？ BMP の外なのでサロゲート対になります。
• 文字数・書記素・コードユニットの違いは？ コードポイントは Unicode 長、書記素は見た目、UTF-16 ユニットは JS の length です。
• Hex to ASCII と同じ？ あちらはバイトから復号します。こちらは文字から始め、隠し印も示します。
• 書き出せますか？ コピー結果が現在の表の TSV です。

関連ツール

1 つの符号化のバイト列は 文字列を16進数に。バイトの復号は 16進数からASCII。オフセット付きは Hex Dump。