Pontos de código Unicode para texto

Exemplo de trabalho

A decodificação de pontos de código Unicode lê valores escalares hexadecimais U+ e reconstrói texto, rejeitando substitutos e valores fora do intervalo válido. Faça a conversão localmente no navegador. A entrada trabalhada "U+004F U+006C U+00E1 U+002C U+0020 U+006D U+0075 U+006E U+0064 U+006F U+0021" torna-se "Olá, mundo!". Cada valor U+ nomeia um escalar Unicode que se torna um caractere no resultado. Números substitutos e valores acima do limite Unicode não são escalares válidos. Esta operação não analisa bytes hexadecimais nem adivinha uma codificação de caracteres a partir deles.

Como funciona a representação

Um ponto de código Unicode é um número escalar atribuído a um caractere, escrito aqui como U+ seguido por dígitos hexadecimais. Por exemplo, U+0041 denota A; um símbolo acima de U+FFFF ainda tem um ponto de código, embora JavaScript o represente internamente com duas unidades de código UTF-16. Os pontos de código não são bytes e não especificam como um arquivo é codificado. As marcas de combinação têm seus próprios pontos, portanto, um glifo acentuado visível pode ter um ponto pré-composto ou vários pontos. Esta ferramenta rejeita valores substitutos UTF-16 e valores acima de U+10FFFF porque não são valores escalares válidos. A representação em lista é valiosa para investigar texto visualmente semelhante e marcas invisíveis. A decodificação de pontos de código Unicode lê valores escalares hexadecimais U+ e reconstrói texto, rejeitando substitutos e valores fora do intervalo válido. Crie uma reprodução mínima inserindo apenas os pontos de código relevantes para o problema e, em seguida, adicione o texto circundante um ponto de cada vez.

A saída é montada na ordem listada, então mover uma marca de combinação pode mudar qual letra ela modifica. Um caractere de largura zero ou de controle de direção pode não estar visível na visualização renderizada; mantenha a lista de tokens para revisão. Se a cadeia resultante for usada posteriormente em uma página HTML, escape-a como texto em vez de inseri-la como marcação. Escalares Unicode válidos fazem uma cadeia de caracteres válida, mas não tornam a cadeia de caracteres segura ou apropriada como um nome de arquivo, identificador ou comando.

Limites e uso confiável

Use U+ seguido de um a seis dígitos hexadecimais. Valores substitutos e valores acima de U+10FFFF são rejeitados em vez de substituídos. Cole valores escalares em notação hexadecimal U+, separados por espaços em branco, vírgulas ou ponto e vírgula. O conversor junta-os na ordem dada; não insere espaços, normaliza acentos ou escolhe uma fonte. Um valor U+ válido pode ser renderizado como uma marca invisível, então inspecione o resultado e a lista original de pontos de código juntos. Valores substitutos UTF-16 e números acima de U+10FFFF são rejeitados em vez de interpretados como caracteres. Essa direção é útil para reproduzir uma sequência Unicode relatada exatamente, incluindo marcas de combinação, antes de compará-la com um campo de banco de dados ou um rótulo visível ao usuário.