01
コードポイントとバイトを区別する
コードポイントはU+3042、0x3042、3042のいずれでも入力できます。バイトはE3 81 82のように2桁ずつ空白またはカンマで区切ります。0x接頭辞も使えますが、連続した長い16進数やバックスラッシュのエスケープは受け付けません。
Unicodeと国際化
Unicode文字情報検索見た目から分からない文字の構造へ
文字から情報を調べることも、コードポイントやバイト列から文字を確かめることもできます。
Unicode文字情報検索
文字または符号化された入力
出力プレビュー
プレビューは出力の先頭4,000文字までです。コピーとダウンロードには全体を含みます。文字列のプレビューでは診断用エスケープを表示します。
入力はこのブラウザー内で処理され、アップロードされません。
文字列はUTF-16コード単位で10,000個まで。符号化入力は200,000文字までで、復号結果も10,000コード単位以内です。コードポイントはU+HEX、0xHEX、HEX、バイトは2桁の16進数（0x付きも可）で指定します。空白かカンマで区切ってください。エスケープやHTML実体参照には対応していません。
名前のデータはUnicode 17.0.0です。書記素はブラウザーのIntl.Segmenterで分割します。内部のUnicodeバージョンは取得できず、名前のデータと異なる場合があります。正式名と制御文字の別名は公式の英語表記です。
バイト順は選択した形式で決まります。先頭のU+FEFFを保持し、BOMの検出・削除・追加は行いません。入力の正規化もしません。ブラウザーから受け取った未編集のCR/CRLFは保持しますが、入力欄では改行をLFとして表示します。
詳細の位置は0始まりのUTF-16コード単位で、終端を含まない範囲です。エラーの行・列・バイト位置は1始まりです。欠落したバイトは入力の直後を示します。スカラー値の個数に孤立サロゲートは含めません。
文字を入力するか、サンプルを読み込んでください。
Unicode文字情報検索は、同じように見える文字を正確に区別したいときに役立ちます。濁点付きの仮名やアクセント付きの文字は、単独の値で表す場合と、基底文字に結合文字を続ける場合があります。表示だけで判断せず、保存された順序を確認しましょう。
文字列を入力すると、名前とコードポイントに加えてUTF-8バイト列、UTF-16コード単位を調べられます。U+表記や明示したバイト順の16進数からも入力できるので、仕様書の数値を実際の文字と照合できます。
Unicode文字情報検索で分かる違い
濁点や結合文字を一つの表示と分けて考える
Unicode文字情報検索では、見た目のまとまりである書記素と、その中のコードポイントを別々に表示します。結合した濁点が独立した値なのかを確認でき、文字数と文字列の長さが一致しない理由を追えます。
16進数を文字に戻して確認する
入力をUTF-8やUTF-16LE/BE、UTF-32LE/BEのバイト列に切り替えると、数値が表す文字を検査できます。復号後に別の符号化形式を出力すれば、バイト順による並びの違いも比較できます。
入力時に迷いやすい三つの点
02
自動実行と置換のタイミングを確認する
初期設定では編集が止まって250 ms後に更新します。自動実行を切ると、ボタンまたはCtrl/Cmd+Enterで実行できます。既存入力をサンプルやクリアで置き換える場合は先に確認画面が出ます。適用後は元に戻せます。
03
一覧の続きと出力全体を使い分ける
詳細は50件ずつ追加表示し、書記素の境界にも切り替えられます。出力プレビューは4,000文字までですが、コピーとダウンロードは全体が対象です。文字列プレビューの診断記号は、実際にコピーされる文字とは区別してください。
位置と符号化を照合するための情報
正式名がない値も区別する
Unicode 17.0.0の名前データと規則的な命名範囲を使用します。正式名は英語のまま示し、制御文字の別名は別項目にします。私用、非文字、未割り当てなどを区別するため、名前がないことを一律にエラーとはしません。
UTF-16の単位とバイト順を見比べる
各項目にコード単位とスカラー値を表示し、出力形式ではUTF-16とUTF-32の大小両方のバイト順を選べます。4桁のUTF-16コード単位も出力できますが、その形式を入力として復号する機能はありません。
レポートに正確な範囲を残す
詳細範囲は0始まりのUTF-16コード単位で、終端位置は含みません。エラーの行・列・バイト位置は1始まりです。既定のJSONレポートは全体を保持するので、画面の折り返しや字体に頼らず位置を共有できます。
処理前に知っておきたい範囲
- 書記素のバージョンはブラウザーに依存
- 名前のデータはUnicode 17.0.0に固定していますが、書記素の分割はIntl.Segmenterによります。内部のUnicodeバージョンは取得できません。未対応環境では利用不可と表示し、コードポイント数で代用しません。
- 入力を正規化せずに復号
- 不正なバイト列、範囲外の値、サロゲート値のコードポイント入力を拒否します。バイト順は指定した形式に従い、先頭のU+FEFFを保持します。BOMの自動判定や削除・追加、文字の正規化や非表示文字の除去は行いません。
- 孤立サロゲートを置換文字に変えない
- 文字入力に孤立サロゲートがあれば別に数え、スカラー値の個数から除外します。その入力では書記素表示、文字列出力、バイト出力は利用できません。JSON、U+診断値、UTF-16コード単位は残せますが、代理値はスカラー値として復号できません。
- 上限を超えた入力は短縮せず拒否
- 文字列と復号結果は10,000 UTF-16コード単位、符号化入力は200,000文字までです。未編集のCR/CRLFはブラウザーから受け取った状態で保持しますが、入力欄はLF表示になります。ファイル読込やURL取得には対応しません。
Unicode文字情報検索のよくある質問
コードポイントとは何ですか？
Unicodeのコード空間にある数値の位置です。通常はU+に16進数を続けて書き、例えばひらがなの「あ」はU+3042です。すべての位置に文字や正式名があるわけではなく、未割り当てや私用の値もあります。
絵文字のサロゲートペアとは？
補助平面の文字をUTF-16で表すときに使う、上位と下位の二つの16ビットコード単位です。一つのコードポイントでも二単位になります。家族などの絵文字はさらに複数コードポイントから成る場合があり、サロゲートペアとは別の組み合わせです。
データはサーバーに送信されますか？
送信されません。検査は現在のブラウザーで行い、入力した内容を外部の検索サービスに渡すこともありません。名前はこのツールのデータを使って調べます。
文字からUnicodeコードポイントを調べられますか？
はい。テキスト形式で文字を貼り付けると、各項目のU+値と名前、符号化情報が表示されます。複数文字も入力でき、コードポイント形式から文字への逆方向にも対応しています。
UnicodeとUTF-8は同じものですか？
同じではありません。Unicodeは文字などに値を割り当てる規格で、UTF-8はスカラー値を一つから四つのバイトに表す方式です。コードポイントの16進表記とUTF-8バイト列は、ASCII範囲外では同じ並びになりません。
名前や境界が想定と違いましたか？