テキストをUnicodeコードポイントに変換

具体的な変換例

Unicode のコードポイントは、抽象的な文字を十六進数のスカラー値で識別します。補助平面の文字も UTF-16 のコードユニット二つではなく、一つのコードポイントを持ちます。このページの変換はブラウザー内で実行されます。例の入力「こんにちは、世界！」は「U+3053 U+3093 U+306B U+3061 U+306F U+3001 U+4E16 U+754C U+FF01」になります。コードポイントの一覧に記録されるのは Unicode のスカラー値で、UTF-8 のバイト列ではありません。JavaScript が内部でサロゲートペアとして保存する文字でも、スカラー値は一つです。見た目が同じでも内部の文字列が異なる場合は、この一覧を比べて調べられます。

表現形式の仕組み

Unicode コードポイントは文字に割り当てられたスカラー値で、ここでは U+ の後に 16 進数字を続けて書きます。例えば U+0041 は A です。U+FFFF を超える文字にもコードポイントは一つですが、JavaScript の内部表現では UTF-16 のコード単位を二つ使います。コードポイントはバイトではなく、ファイルのエンコーディングも指定しません。結合記号には固有のコードポイントがあるため、見た目が一つのアクセント付き文字でも、合成済みの一つの値または複数の値で表せます。このツールは UTF-16 のサロゲート値と U+10FFFF より大きい値を拒否します。どちらも有効な Unicode スカラー値ではないためです。リスト表示は見た目が似たテキストや不可視の記号を調べる際に役立ちます。Unicode コードポイントは抽象的な文字を 16 進のスカラー値で識別します。Unicode の補助文字は UTF-16 のコード単位が二つでも、コードポイントは一つです。不一致を記録するときは、見える文字列とこの U+ の並びを両方残してください。

アクセント付きの文字は、合成済みの一文字でも、基底文字と結合記号の組でも同じように見える場合があります。この変換ではどちらの並びも正規化しないため、違いを調べるのに役立ちます。絵文字も、画面では一つに見えて複数のコードポイントからできていることがあります。表示上の一文字が必ず一つの U+ 値だと考えず、出力された順序と個数を確認してください。

限界と信頼性

Unicodeテキストを入力してください。各スカラー値はU+に続く4～6桁の16進数で表示されます。補助文字はJavaScript内部でUTF-16の2コード単位を使っても、ここでは1つのコードポイントです。見た目は正しいのに完全一致検索や識別子の比較に失敗する語を調べるときに使えます。出力はスカラー値ごとに1つのU+表記を並べ、空白で区切ります。U+FFFFを超える絵文字もここでは1つです。分解されたテキストでは、結合アクセントが追加のコードポイントになることがあります。この一覧からフォント、字形、UTF-8のバイト列は分かりません。見えない文字を報告するときは正確な値を添えてください。