Unicode decoderen en encoderen online

Wat is een 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

Wat deze converter doet

Voorbeelden

{"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

Zo gebruik je het

1. 1

   Plakken

   Escapes, codepunten, entiteiten, geëncodeerde bytes of gewone tekst — alles mag. Je hoeft niet te zeggen welke vorm het is.

2. 2

   Het resultaat lezen

   De leesbare tekst verschijnt meteen, met daarbij welke schrijfwijzen zijn herkend.

3. 3

   De vorm kopiëren die je nodig hebt

   Onder het resultaat staan alle schrijfwijzen, elk met een eigen kopieerknop.

4. 4

   Doorprikken als iets niet klopt

   Open de tekentabel voor codepunten, bytes, script en namen, en zet “Onzichtbare tekens tonen” aan om verstopte tekens boven water te halen.

Valkuilen die je moet kennen

\ud83d\ude00

\U0001F600

’  ->  U+0092

’  ->  U+2019

\4E2Da

\004E2Da

Wanneer je dit nodig hebt

Logs lezen

Serverlogs en API-responses komen vaak binnen met alles buiten ASCII geëscaped. Plak de regel en lees hem zonder hem eerst te bewerken.

Strings tussen talen verplaatsen

Kopieer de escape precies in de vorm die de doeltaal accepteert, in plaats van met de hand tussen surrogaatparen en brede escapes te rekenen.

Een encoding-bug opsporen

Als een vergelijking mislukt of een database een waarde weigert, laat de tekentabel zien om welke codepunten en bytes het precies gaat.

Geplakte inhoud opschonen

Tekst uit een webpagina of een document sleept vaak onzichtbare tekens mee. Vind ze voordat ze in productie belanden.

Technische details

Escapes gaan over code units, niet over tekens

JavaScript, Java en JSON escapen UTF-16-code units, dus een teken boven U+FFFF heeft twee escapes nodig. Python en Go bieden daarnaast een vorm van acht cijfers die het codepunt rechtstreeks opneemt.

Numerieke HTML-referenties worden omgelegd

De HTML-specificatie vereist dat numerieke referenties tussen 128 en 159 via windows-1252 worden gelezen in plaats van als codepunt. Een referentie als 146 is daardoor een rechter enkel aanhalingsteken (U+2019) en geen onzichtbaar stuurteken.

CSS-escapes moeten aangevuld worden

Een CSS-escape slikt tot zes hexadecimale cijfers, dus een korte escape gevolgd door een hex-teken smelt samen tot één verkeerd codepunt. Aanvullen tot zes cijfers haalt de dubbelzinnigheid weg, en een spatie erachter wordt als afsluiter opgeslokt.

Losse surrogates pakken overal anders uit

Een ongepaarde surrogate blijft bewaard bij JSON-serialisatie, wordt stil vervangen door TextEncoder, wordt geweigerd door percent-encoding, komt er bij Java als vraagteken uit en levert in Python een fout op.

Aanbevolen aanpak

Normaliseer voordat je vergelijkt

Vouw beide kanten naar dezelfde normalisatievorm voordat je vergelijkt of ontdubbelt, zeker bij namen en identifiers.

Kies de brede vorm voor Python en Go

Een surrogaatpaar is geldig in JSON maar gaat in beide talen stuk. Gebruik de escape van acht cijfers als de doeltaal Python of Go is.

Controleer vroeg op onzichtbare tekens

Valideer geplakte invoer meteen aan de grens, in plaats van later een mislukte vergelijking uit te pluizen.

Bewaar het origineel

Decoderen is niet altijd verliesvrij omkeerbaar zodra er vervangingstekens verschijnen. Houd de ruwe waarde bij tot je zeker bent.

Veelgestelde vragen