Inspetor Unicode

Inspetor Unicode

Isto é um inspetor Unicode: parte o texto colado em code points para ver identidade, codificação e marcas ocultas. O texto é dividido em code points. Identificadores como UTF-8, ZWSP, BOM, NBSP, BiDi e U+ não se traduzem. A é U+0041, UTF-8 41, UTF-16BE 00 41. é em UTF-8 é C3 A9. 🍵 é U+1F375, UTF-16BE D8 3C DF 75. ZWSP é U+200B, UTF-8 E2 80 8B. Cirílico а é U+0430; latino a é U+0061.

Como usar

1. Cole o texto. A conversão automática atualiza a tabela.
2. Insira ZWSP, NBSP, BiDi, homóglifos cirílicos, aspas ou marcas combinantes.
3. Cartões: code points, únicos, grafemas, unidades UTF-16 (String.length em JavaScript), bytes UTF-8 e UTF-16.
4. Filtros Todos / Invisível / Controlo / Espaço / Homóglifos / Não ASCII. Copiar U+ copia um; Copiar resultado copia a tabela visível em TSV.
5. O exemplo carrega Hello\tWorld, café, NBSP, 🍵, ZWSP, 世界🌍 e аеор.

Significado dos totais

Os code points contam valores escalares. Os grafemas são o que o leitor vê. As unidades UTF-16 são string.length; 🍵 usa duas. Invisível conta controlos, formato, ZWSP/BOM e NBSP, não o SPACE normal.

Invisíveis, BiDi e homóglifos

Controlos como \t / \n. SPACE como ␣, NBSP como ⍽. Etiquetas CTRL, INV, WS, BIDI, HOMOGLYPH. Homóglifos cirílicos imitam a e o p c x y.

Colunas e encodings

Uma linha, um code point: glifo, U+, nome Unicode, categoria, bloco, UTF-8 e UTF-16BE. O relatório copiado inclui UTF-32. Nada é enviado.

Perguntas frequentes

• Porque é que 🍵 usa duas unidades UTF-16? Fora do BMP, usa um par de substitutos.
• Caracteres, grafemas e unidades? Code points = comprimento Unicode; grafemas = visual; unidades = length em JS.
• É Hex para ASCII? Lá descodificam-se bytes. Aqui parte-se dos caracteres e marcam-se os ocultos.

Ferramentas relacionadas

Uma cadeia de bytes: String para Hex. Descodificar: Hex para ASCII. Com offsets: Hex Dump.