Una tarde perdí una vez por un solo personaje. El nombre de un usuario ' contenía una letra acentuada, se veía bien en la base de datos, se interrumpía en una exportación de PDF y aparecía como un par de signos de interrogación en un registro. La solución fue trivial una vez que pude ver el punto de código real detrás del glifo, pero llegar allí significó tres herramientas diferentes y muchos entrecerrar los ojos. Esa es la fricción que construí convertidor unicode según Toolz.dev para eliminar: pegue cualquier texto y vea exactamente de qué está hecho, en cualquier notación que desee el trabajo frente a usted, y decodifique cualquiera de esas notaciones en texto legible. Esta es la guía para ello y para la codificación de caracteres que expone.
TL;Dr: Cada carácter tiene un punto de código Unicode, un número escrito como U+0041 para A. The Toolz convertidor unicode convierte el texto en ese punto de código más entidades decimales, hexadecimales y HTML (A y A), escapes de JavaScript (A) y escapes de CSS (\41), y decodifica cualquiera de ellos nuevamente en texto. Maneja emoji y otros caracteres astrales por punto de código verdadero para que giren correctamente, muestre una tabla por carácter con bytes UTF-8 y se ejecute completamente en el lado del cliente para que su texto nunca salga del navegador.
¿qué es un convertidor Unicode?
Un convertidor Unicode traduce entre el texto que lees y los números que una computadora almacena para él. A cada carácter, desde una simple letra latina hasta un ideógrafo chino y un emoji, se le asigna un punto de código el estándar Unicode, y ese punto de código generalmente se escribe en la forma U+ seguido de cuatro a seis dígitos hexadecimales: U+0041 para A mayúscula, U+00E9 para e, U+4E16 para 世, U+1F30D para emoji de tierra. El convertidor lee lo que escriba y muestra el punto de código detrás de cada carácter, luego le permite expresar ese mismo punto de código en cualquiera de las notaciones que esperan los diferentes idiomas y formatos.
La razón por la que un solo punto de código tiene tantas formas escritas es que diferentes contextos tienen diferentes reglas de escape. Un documento HTML utiliza referencias de caracteres como A en decimal o A en hexadecimal. Se utiliza una cadena JavaScript A, o \u{1F30D} para caracteres más allá del rango básico. Se utiliza un valor CSS \41 con un espacio final. Una especificación, un informe de error o un gráfico Unicode utiliza el formulario U+. Todos apuntan al mismo carácter; simplemente usan ropa diferente dependiendo de dónde vivan. La herramienta los produce todos a partir de una entrada e invierte cualquiera de ellos, por lo que nunca tendrás que recordar qué sintaxis quiere un archivo determinado ni volver a escribir un carácter complicado a mano.
¿qué es un punto de código Unicode y en qué se diferencia de UTF-8?
Esta es la distinción que aclara la mayor confusión de codificación, por lo que vale la pena ser preciso. Un punto de código es un número abstracto que identifica un carácter. No dice nada sobre cómo se almacena ese número en la memoria o se envía a través de un cable. UTF-8 es una forma específica de codificar un punto de código como una secuencia de bytes, definida en RFC 3629. Los dos están relacionados pero no son lo mismo, y mezclarlos es la raíz de muchos " ¿Por qué mi texto está confuso " errores.
Tome e, punto de código U+00E9. Como punto de código es un número único, 233 en decimal. En UTF-8 se almacena en dos bytes, C3 A9. En UTF-16 es una unidad de 16 bits. El carácter es una cosa; su representación de bytes depende de la codificación. La tabla por carácter en el convertidor muestra tanto el punto de código como los bytes UTF-8 uno al lado del otro, por lo que cuando ve un nombre que se traduce como é en vez de é, puede reconocer inmediatamente el síntoma clásico: los bytes UTF-8 se leen como si fueran una codificación de un solo byte como Latin-1. Ver los bytes suele ser la forma más rápida de diagnosticar una discrepancia de codificación.
Aquí hay un pequeño mapa de un carácter a través de las notaciones que produce la herramienta.
| Notación | Valor para e (U+00E9) |
|---|---|
| Punto de código | U+00E9 |
| decimal | 233 |
| aojo | 0xE9 |
| Entidad decimal HTML | é |
| Entidad hexadecimal HTML | é |
| Escape de JavaScript | e |
| escape CSS | \E9 |
| UTF-8 bytes | C3 A9 |
¿cómo convierto texto a Unicode?
Elija Codificar, elija la notación que desee y escriba o pegue su texto. El convertidor unicode muestra la salida codificada inmediatamente y completa una tabla por carácter con el punto de código, el valor decimal, la entidad HTML y los bytes UTF-8 para cada glifo. Copie la salida y colóquela en su HTML, hoja de estilo, script o documento.
Los cuatro pasos son rápidos. Primero, seleccione Codificar para pasar del texto a la notación, o Decodificar para ir en sentido contrario. En segundo lugar, elija el formato: punto de código, decimal, hexadecimal, entidad HTML, escape JavaScript o escape CSS, y para decodificar hay un modo automático que detecta las formas comunes para usted. En tercer lugar, ingrese su texto y mírelo convertir. Cuarto, copie el resultado. No hay carga ni cuenta.
Convertir en entidades HTML es uno de los usos más comunes y se superpone con el dedicado entidades html herramienta, que se centra en entidades nombradas como & y ©. los guía de entidades HTML cubre cuando una entidad con nombre es la elección correcta y cuando es numérica. Este convertidor lo complementa brindándole la vista del punto de código numérico de cualquier carácter, nombrado o no.
¿maneja emoji correctamente?
Sí, y aquí es donde muchos convertidores más simples producen silenciosamente resultados rotos. Los caracteres superiores a U+FFFF viven en lo que Unicode llama planos suplementarios, y JavaScript almacena cada uno de ellos internamente como dos unidades de código de 16 bits llamadas par sustituto. Si un convertidor camina ingenuamente por una cadena, una unidad de código a la vez, divide un emoji en dos mitades y emite dos escapes sin sentido que nunca se volverán a ensamblar en el carácter original.
Esta herramienta itera por un punto de código verdadero, por lo que un emoji como la Tierra (U+1F30D) se trata como un solo carácter en todo momento. Códelo y obtendrás un único valor limpio: \u{1F30D} en el formato JavaScript ES6, 🌍 como entidad HTML, U+1F30D como punto de código. Decodifique cualquiera de ellos y el emoji original volverá completo. Al decodificar escapes de JavaScript de estilo antiguo que se escribieron como pares sustitutos, 🌍, la herramienta combina las mitades correctamente en lugar de dejarte con dos unidades de código rotas. Hacer un emoji de ida y vuelta a través del convertidor le devuelve exactamente lo que comenzó, que es la prueba básica que debe pasar una herramienta Unicode y muchas fallan.
¿cómo decodigo Unicode escapa al texto?
Cambie a Decodificar, pegue la cadena codificada y elija el formato coincidente o déjelo en modo automático. El modo automático reconoce la notación U+, \u y \u{} JavaScript escapa y &# y &#x Entidades HTML en la misma entrada, por lo que una pasta mixta de un registro o un archivo de configuración aún decodifica. Si conoce el formato exacto, seleccionarlo directamente es la opción más confiable, especialmente para decimal o hexadecimal simple, donde los números simples podrían ser ambiguos.
La decodificación es la mitad del trabajo que realiza cuando recibe texto codificado: una carga útil JSON llena de \u escapes, una vista de fuente HTML plagada de entidades numéricas, un seguimiento de pila que registró una cadena en forma de escape. En lugar de decodificar manualmente carácter por carácter, pegas todo y lees el texto sin formato. El convertidor reconstruye los caracteres originales y, como se señaló anteriormente, vuelve a unir correctamente cualquier par sustituto que encuentre para que los caracteres astrales sobrevivan el viaje.
Esto combina bien con otras herramientas de decodificación del sitio. El texto codificado por porcentaje en una URL es el trabajo del codificador de URL, y el binario codificado en base64 es manejado por convertidor base64. Son codificaciones diferentes para diferentes transportes, y saber cuál estás mirando es la mitad de la batalla. El Kit de herramientas para desarrolladores web guide describe cómo estas herramientas de codificación encajan en el trabajo diario.
¿cuándo necesitaría realmente escapes de CSS o JavaScript?
Más a menudo de lo que cabría esperar y, por lo general, en el momento exacto algo no se está renderizando. En CSS, el content propiedad de a ::before investigaciones operacionales ::after el pseudoelemento no puede contener caracteres arbitrarios directamente en cada situación, por lo que te escapas de ellos: se convierte en una flecha que apunta hacia la derecha content: "\2192". Las reglas de escape del CSS, incluido el espacio posterior que finaliza un escape hexadecimal, se definen en el Módulo de sintaxis CSS Nivel 3, y el convertidor emite exactamente esa forma para que puedas pegarla directamente en una hoja de estilo.
En JavaScript, los escapes le permiten colocar un carácter en el código fuente sin depender de la codificación del archivo 's o de su editor que lo represente correctamente. © es inequívoco cuando un símbolo de derechos de autor literal podría verse destrozado por una herramienta en proceso. Para caracteres más allá del plano básico, el ES6 \u{...} la forma es más limpia que un par sustituto y el conversor la usa para caracteres astrales manteniendo los cuatro dígitos \uXXXX formulario para caracteres que encajan en él. Referencias de caracteres numéricos HTML, el &#...; los formularios tienen el mismo propósito en el marcado y se rigen por Estándar HTML WHATWG. Tener todo esto generado a partir de una entrada significa que dejas de adivinar la sintaxis y copias el escape correcto cada vez.
¿Qué notación debo usar y cuándo?
Con siete formatos de salida en oferta, la pregunta práctica es cuál desea una tarea determinada, y la respuesta casi siempre viene dictada por dónde vivirá el personaje y no por su preferencia. Si está escribiendo HTML y necesita un carácter que le resulte incómodo escribir o que de otro modo se interpretaría como marcado, utilice una entidad HTML: — o su gemelo hexagonal —. Si el carácter va a un literal de cadena de JavaScript, utilice \u escapa y alcanza el \u{...} forma cuando el carácter está más allá del plano básico. Si pertenece a un valor CSS, especialmente el content propiedad, usa el escape CSS con su espacio final. Si está escribiendo una especificación, un comentario o un informe de error en el que desea nombrar el carácter sin ambigüedades sin representarlo, la forma del punto de código U+ es la convención que todos reconocen.
Las salidas decimal y hexadecimal son las que la gente busca con menos frecuencia, pero importan cuando hablas con un sistema que habla en números sin procesar: una columna de base de datos que almacena puntos de código, un protocolo que transmite caracteres como números enteros, una búsqueda contra un Unicode. archivo de datos. Poder convertir un carácter a su valor decimal o hexadecimal simple y viceversa, guarda una conversión de base manual exactamente en el momento en que ya se encuentra en una sesión de depuración.
Hay una regla que los atraviesa a todos: cualquier notación que emitas, decodifica y confirma que obtienes el carácter original antes de confiar en él. El ida y vuelta es la verificación de corrección más barata que existe y detecta los dos errores clásicos de inmediato, un par sustituto destrozado para un carácter astral y uno por uno en los dígitos hexadecimales. El convertidor hace que esa verificación sea una sola pasta en la dirección opuesta. Si se trata de un valor sensible a la seguridad, se aplica la misma disciplina a la codificación porcentual manejada por el codificador de URL, donde un escape incorrecto puede cambiar lo que realmente recibe un servidor.
¿Es seguro convertir aquí el texto confidencial?
Sí. Cada conversión ocurre en JavaScript dentro de su navegador. Nada de lo que pega se envía a un servidor, nada se registra y la herramienta sigue funcionando con la conexión apagada una vez que se ha cargado la página. Puede inspeccionar cadenas privadas, datos de usuario o el contenido de un archivo interno sin que ninguno de ellos salga de su máquina.
Esa propiedad no es incidental, es la razón para preferir una herramienta del lado del cliente para este tipo de trabajo. El texto que ejecuta a través de un convertidor Unicode suele ser exactamente el texto que menos le gustaría entregar a un tercero: un usuario real 's nombre que está depurando, un fragmento de un conjunto de datos privado, una cadena de una función inédita. Un convertidor del lado del servidor, por confiable que sea, es una parte más de la cadena. Al realizar el trabajo en el navegador se elimina la pregunta. El razonamiento más amplio está en el herramientas en línea de privacidad de datos guía, y se aplica a todas las herramientas de codificación en Toolz.dev, desde esta hasta la guía de codificación Base64 y más allá.
Preguntas frecuentes
¿cómo convierto texto a Unicode?
Pegue su texto en el área de entrada con Encode seleccionado y elija un formato como punto de código o entidad HTML. La herramienta muestra la representación Unicode de cada carácter al instante, todo dentro de su navegador.
¿qué es un punto de código Unicode?
Un punto de código es el número que Unicode asigna a un carácter, escrito como U+0041 para A. Identifica el carácter independientemente de cómo se almacene, razón por la cual el mismo punto de código puede aparecer como una entidad HTML, un escape de JavaScript o un escape CSS.
¿cuál es la diferencia entre un punto de código y UTF-8?
Un punto de código es el número abstracto de un carácter; UTF-8 es una forma de almacenar ese número de uno a cuatro bytes. La tabla por carácter muestra ambos, por lo que puede ver que U+00E9 para e se almacena como los dos bytes UTF-8 C3 A9.
¿maneja emoji correctamente?
Sí. Los emoji viven fuera del rango básico y se almacenan como pares sustitutos en JavaScript. El convertidor los lee y escribe mediante un punto de código verdadero, por lo que un emoji como la Tierra (U+1F30D) realiza viajes de ida y vuelta sin dividirse en dos mitades rotas.
¿cómo decodigo Unicode escapa al texto?
Cambie a Decodificar, pegue la cadena codificada y elija el formato coincidente o use auto para detectarlo. La herramienta reconstruye los caracteres originales, combinando correctamente cualquier par sustituto que encuentre.
¿cuándo necesitaría un escape CSS?
Los escapes de CSS le permiten poner un carácter en un valor de hoja de estilo, como la propiedad de contenido. La herramienta genera valores como \41 con el espacio final que utiliza CSS para finalizar un escape hexadecimal, listo para pegar en una propiedad de contenido.
¿Puede convertir el mismo carácter a varios formatos a la vez?
Sí. Al elegir un formato, se establece la salida principal y la tabla por carácter siempre muestra el punto de código, el valor decimal, la entidad HTML y los bytes UTF-8 para cada carácter, para que pueda leer varias notaciones de un vistazo.
¿Es seguro convertir aquí el texto confidencial?
Sí. Todas las conversiones se realizan en JavaScript dentro de su navegador. No se envía nada a un servidor, no se registra nada y la herramienta funciona con la conexión deshabilitada.
los convertidor unicode es gratuito, se ejecuta completamente en su navegador y no necesita registro. Codifique un carácter en cualquier notación, decodifiquelo nuevamente y lea los bytes sin procesar detrás de cualquier glifo. Explora junto con mesa ascii y el resto de herramientas de codificación en Toolz.dev.
