Text na kódové body Unicode

Praktický příklad

Kódové body Unicode označují znaky hexadecimální skalární hodnotou; doplňkový znak má jeden bod, ne dvě jednotky UTF-16. Převeďte údaje lokálně v prohlížeči. Například vstup "Čau, světe!" dá výsledek "U+010C U+0061 U+0075 U+002C U+0020 U+0073 U+0076 U+011B U+0074 U+0065 U+0021". Porovnejte obě strany znak po znaku; viditelný zápis může skrývat odlišné bajty nebo kombinující znaménka. V tomto směru se čitelný text změní na přenosový zápis. Diakritiku a interpunkci ponechte na vstupu; převodník nejprve čte hodnoty Unicode a podle potřeby bajty UTF-8. Zkopírujte celý výsledek včetně výplně či únikových znaků. Zkrácení jediného symbolu může znemožnit zpětný převod.

Jak zápis funguje

Kódový bod Unicode je skalární číslo přiřazené znaku, které se zde zapisuje jako U+ a hexadecimální číslice. U+0041 označuje A; znak nad U+FFFF má stále jeden bod, přestože jej JavaScript vnitřně ukládá do dvou jednotek UTF-16. Kódové body nejsou bajty a neurčují kódování souboru. Kombinující znaménka mají vlastní body, takže viditelné písmeno s diakritikou může být jeden předem složený bod nebo více bodů. Nástroj odmítne náhradní hodnoty UTF-16 i hodnoty nad U+10FFFF, protože nejsou platnými skalárními hodnotami. Seznam pomáhá vyšetřovat podobně vypadající text a neviditelná znaménka. Kódové body Unicode označují znaky hexadecimální skalární hodnotou; doplňkový znak má jeden bod, ne dvě jednotky UTF-16.

Textová transformace má směr. Nejdříve zjistěte, zda je zdroj čitelný text Unicode, seznam bajtů, kódové body nebo již zakódovaný řetězec. Vložte krátkou hodnotu se známým významem, prohlédněte si výsledek a až potom zpracujte větší vstup. Zdroj si ponechte. Zakódovaný zápis může být vratný a přitom odhalit každý původní bajt každému, kdo zná formát; samotné kódování soukromí nechrání. Výpočet probíhá v tomto prohlížeči a vložený obsah neposílá na konverzní server. Výsledek se přesto může stát veřejným, vložíte-li ho do sdíleného dokumentu, hlášení chyby či adresy URL.

Omezení a spolehlivé použití

Použijte U+ a jednu až šest hexadecimálních číslic. Náhradní hodnoty a hodnoty nad U+10FFFF se odmítnou. Použijte přesně tu abecedu, kódování bajtů a normalizační tvar, které očekává přijímající systém. Podobné formáty nemusí být zaměnitelné. Dekódovaný řetězec může obsahovat značkování či řídicí znaky a další aplikace jej musí považovat za nedůvěryhodný vstup. Platný převod také nedokazuje oprávněnost, bezpečnost ani věcnou správnost údajů. U vratného postupu zkuste zpětný převod a porovnejte kódové body nebo bajty UTF-8, pokud dva řetězce vypadají stejně, ale při přesném porovnání se liší. U ukládaných či podepisovaných dat zdokumentujte transformaci v datovém rozhraní.