Unicode-Konverter

Was ist ein Unicode-Escape?

中文
  U+4E2D U+6587         code point
  \u4E2D\u6587          JavaScript / Java / JSON
  \u{4E2D}\u{6587}      ES6 / Rust
  E4 B8 AD E6 96 87     UTF-8
  %E4%B8%AD%E6%96%87    URL
  中文      HTML

Was dieser Konverter kann

Beispiele

{"msg":"\u4e2d\u6587 failed","code":500}

{"msg":"中文 failed","code":500}

U+4E2D  \u{1F600}  中  \ud83d\ude00

中  😀  中  😀

中

\u4E2D        JavaScript / Java / JSON
\u{4E2D}      ES6 / Rust
U+4E2D        code point
E4 B8 AD      UTF-8
\344\270\255  octal

So verwenden Sie den Unicode-Konverter

1. 1

   Einfügen

   Escapes, Codepunkte, Entitäten, kodierte Bytes oder einfachen Text hineinwerfen. Sie müssen nicht angeben, was davon es ist.

2. 2

   Ergebnis lesen

   Der lesbare Text erscheint sofort, dazu ein Hinweis darauf, welche Darstellungen erkannt wurden.

3. 3

   Die passende Form kopieren

   Unter dem Ergebnis steht jede Schreibweise, jede mit eigenem Kopieren-Button.

4. 4

   Nachsehen, wenn etwas nicht stimmt

   Öffnen Sie die Zeichentabelle für Codepunkte, Bytes, Schrift und Namen, und schalten Sie „Unsichtbare Zeichen anzeigen“ ein, um versteckte Zeichen sichtbar zu machen.

Fehler, die man kennen sollte

\ud83d\ude00

\U0001F600

’  ->  U+0092

’  ->  U+2019

\4E2Da

\004E2Da

Wann Sie ihn brauchen

Logs lesen

In Serverlogs und API-Antworten steckt Nicht-ASCII häufig escapt. Zeile einfügen und lesen, ohne sie vorher zu bearbeiten.

Zeichenketten zwischen Sprachen umziehen

Kopieren Sie das Escape genau in der Form, die die Zielsprache akzeptiert, statt von Hand zwischen Surrogatpaaren und breiten Escapes umzurechnen.

Einem Kodierungsfehler nachgehen

Wenn ein Vergleich fehlschlägt oder die Datenbank einen Wert ablehnt, zeigt die Zeichentabelle genau, welche Codepunkte und Bytes im Spiel sind.

Eingefügte Inhalte säubern

Text aus einer Webseite oder einem Dokument schleppt oft unsichtbare Zeichen mit. Finden Sie sie, bevor sie in Produktion landen.

Technische Details

Code-Units, nicht Zeichen

JavaScript, Java und JSON maskieren UTF-16-Code-Units, ein Zeichen oberhalb von U+FFFF braucht also zwei Escapes. Python und Go bieten stattdessen eine Form mit acht Ziffern, die den Codepunkt direkt aufnimmt.

Numerische HTML-Referenzen werden umgelegt

Die HTML-Spezifikation verlangt, dass numerische Referenzen im Bereich 128 bis 159 über windows-1252 gelesen werden statt als Codepunkte. Eine Referenz wie 146 ist deshalb ein rechtes einfaches Anführungszeichen und kein unsichtbares Steuerzeichen.

CSS-Escapes brauchen Auffüllung

Ein CSS-Escape verschluckt bis zu sechs Hexadezimalziffern. Ein kurzes Escape, auf das ein Hex-Zeichen folgt, verschmilzt daher zu einem einzigen falschen Codepunkt. Auffüllen auf sechs Ziffern beseitigt die Mehrdeutigkeit, und ein nachfolgendes Leerzeichen wird als Abschluss geschluckt.

Einzelne Surrogate verhalten sich überall anders

Ein ungepaartes Surrogat bleibt bei der JSON-Serialisierung erhalten, wird von TextEncoder still ersetzt, von der Prozentkodierung abgelehnt, von Java als Fragezeichen geschrieben und von Python als Fehler geworfen.

Best Practices für Unicode

Vor dem Vergleichen normalisieren

Legen Sie beide Seiten auf dieselbe Normalisierungsform, bevor Sie vergleichen oder Duplikate entfernen. Bei Namen und Bezeichnern lohnt sich das besonders.

Für Python und Go die breite Form nehmen

Ein Surrogatpaar ist in JSON gültig, geht aber in beiden Sprachen kaputt. Nutzen Sie das Escape mit acht Ziffern, wenn das Ziel Python- oder Go-Quelltext ist.

Früh auf unsichtbare Zeichen prüfen

Prüfen Sie eingefügte Werte gleich an der Systemgrenze, statt später zu suchen, warum zwei scheinbar gleiche Zeichenketten nicht gleich sind.

Das Original aufheben

Sobald Ersetzungszeichen auftauchen, ist Dekodieren nicht mehr verlustfrei umkehrbar. Behalten Sie den Rohwert, bis Sie sicher sind.

Häufige Fragen zum Unicode-Konverter