Unicode и интернационализация
Сопоставьте символы, единицы кодирования и байты.
Предпросмотр показывает до 4 000 символов вывода; копирование и скачивание включают весь результат. Текст отображается с экранированными диагностическими метками.
Ввод остаётся в этом браузере и не отправляется на сервер.
Текст: до 10 000 единиц UTF-16. Закодированный ввод: до 200 000 символов, после декодирования — до 10 000 единиц. Точки: U+HEX, 0xHEX или HEX; байты: две цифры HEX, префикс 0x необязателен. Разделяйте пробелами или запятыми. Экранирование и HTML-сущности не разбираются.
Имена: Unicode 17.0.0. Графемы: Intl.Segmenter браузера; API не сообщает версию Unicode, и она может отличаться. Официальные имена и псевдонимы управляющих символов остаются английскими.
Порядок байтов задаётся явно. Начальный U+FEFF сохраняется; BOM не определяется, не удаляется и не добавляется. Нормализации нет. CR/CRLF, полученные без изменений от браузера, сохраняются; поле отображает окончания строк как LF.
Позиции в деталях считаются в единицах UTF-16 от 0, конец не включается. Строка, столбец и байт ошибки считаются от 1; недостающий байт указывает сразу за вводом. Счётчик скаляров не включает одиночные суррогаты.
Введите текст или загрузите пример.
Когда две строки выглядят одинаково, инспектор символов Unicode помогает сравнить их значения. Латинская и кириллическая буквы могут быть похожи, а обычный и неразрывный пробел — практически неразличимы. Точное сравнение строк всё равно обнаружит разницу.
Кодовая точка — лишь одна из мер длины. Комбинируемый знак добавляет точку к букве, не обязательно создавая новую графему. Невидимые символы тоже занимают место. Проверяйте исходную последовательность до нормализации или удаления данных.
В таких случаях инспектор символов Unicode показывает состав графемы и позиции каждого элемента. Буква с отдельным акцентом может занимать две точки и две единицы UTF-16. Символ за пределами основной плоскости занимает две единицы при одной точке.
Вставьте байты UTF-8 из журнала или выберите UTF-16LE/BE либо UTF-32LE/BE. Порядок задаётся явно и не меняется по заголовку. Неверная последовательность вызывает ошибку с позицией вместо молчаливой вставки заменяющего символа.
Для точек подходят U+0041, 0x41 и 41. Для байтов нужны отдельные двухзначные числа с пробелами или запятыми; 0x допускается. Сплошная длинная строка HEX не принимается как набор байтов. HTML-сущности и escape-последовательности не разбираются.
Автопроверка запускается после паузы 250 мс. Без неё используйте кнопку или Ctrl/Cmd+Enter. Если ввод заполнен, Пример и Очистить открывают предпросмотр; Применить подтверждает, отмена замены возвращает прежнее состояние. В пустое поле пример загружается сразу.
По умолчанию выбран JSON. Детали открываются по 50 записей, предпросмотр вывода ограничен 4 000 символами. Копирование и скачивание включают весь результат. Для корректного текста копируются настоящие символы, а не безопасные метки предпросмотра.
Используется таблица имён Unicode 17.0.0. Псевдонимы управляющих символов отмечены отдельно. Частное использование, несимволы, суррогаты и неназначенные значения различаются по типу; отсутствующее официальное имя не выдумывается.
Диапазоны UTF-16 начинаются с нуля и не включают конечную позицию. Строка, столбец и байт ошибки начинаются с единицы. Скалярные точки и одиночные суррогатные единицы считаются раздельно, поэтому повреждение не скрывается в общем числе.
Доступны диагностика U+, единицы UTF-16, текст и байты UTF-8/16/32. JSON сохраняет полный анализ. Переключение подробностей между точками и графемами не меняет выбранный формат вывода.
Это числовая позиция в Unicode, обычно записываемая как U+ и шестнадцатеричное число. Она не равна байту или обязательному отдельному изображению. Несколько точек могут составлять одну графему, а одна точка — занимать несколько единиц кодирования.
UTF-8 кодирует скаляр одним–четырьмя байтами. UTF-16 использует одну или две 16-битные единицы, то есть два или четыре байта. Для байтов UTF-16 здесь нужно явно выбрать LE или BE. Это разные представления одних и тех же допустимых значений Unicode.
Да, можно увидеть значения и диагностические метки пробелов, управляющих знаков и других компонентов, которые не дают обычного видимого изображения. Это не универсальная проверка видимости во всех шрифтах и не заключение о безопасности текста.
Да, по данным Unicode 17.0.0. Но официальное имя есть не у каждого значения: для управляющих символов отдельно выводится псевдоним, для частного использования и других специальных случаев — тип. Английское написание официальных имён сохраняется.
Да. Эмодзи могут содержать несколько точек, соединители ZWJ, модификаторы тона и селекторы варианта. Представление графем показывает группировку браузера, а список точек — состав. Отображение картинки зависит от шрифта и не гарантируется анализом.
Нужно подробнее объяснить результат?
Для проверки конкретного расхождения откройте инспектор символов Unicode и вставьте минимальный фрагмент. Сохраните полный отчёт или ту последовательность байтов, с которой работает ваша программа.