Texto para pontos de código Unicode

Exemplo de trabalho

Os pontos de código Unicode identificam caracteres abstratos por valor escalar hexadecimal; um caractere suplementar usa um ponto, não duas unidades de código UTF-16. Converta localmente no seu navegador. A entrada trabalhada "Olá, mundo!" torna-se "U+004F U+006C U+00E1 U+002C U+0020 U+006D U+0075 U+006E U+0064 U+006F U+0021". Uma lista de pontos de código registra valores escalares Unicode, não bytes UTF-8. Um caractere fora do plano multilíngue básico tem um valor escalar, mesmo que JavaScript o armazene como um par substituto. Use a lista para inspecionar caracteres que parecem idênticos, mas diferem internamente.

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 números de substituição UTF-16 e valores acima de U+10FFFF porque não são valores escalares válidos. O formulário de lista é valioso para investigar texto visualmente semelhante e marcas invisíveis. Os pontos de código Unicode identificam caracteres abstratos por valor escalar hexadecimal; um caractere suplementar usa um ponto, não duas unidades de código UTF-16. Ao documentar uma incompatibilidade, registre tanto a string visível quanto essa sequência U+.

Duas cópias de uma palavra acentuada podem ser renderizadas da mesma forma, enquanto uma usa um caractere pré-composto e a outra usa uma letra base mais uma marca combinada. A conversão não normaliza nenhuma das ortografias, o que é útil para diagnóstico. Uma sequência de emoji pode conter vários pontos de código unidos em um grafema visível; conte os escalares listados ao invés de assumir que um ícone é igual a um ponto. Se você precisar de bytes de arquivo físico para um teste de protocolo, use o conversor de bytes UTF-8 em vez disso. Notação de ponto de código descreve caracteres, não o seu comprimento de armazenamento.

Limites e uso confiável

Insira texto Unicode. Cada valor escalar aparece como U+ seguido de quatro a seis dígitos hexadecimais; um caractere suplementar ocupa um ponto de código, mesmo quando usa duas unidades UTF-16 no JavaScript. Use a lista para investigar uma palavra que parece correta, mas falha numa busca exata ou comparação de identificadores. A saída separa por espaços um valor U+ para cada valor escalar. Um emoji acima de U+FFFF aparece como um único ponto. Um acento combinante pode aparecer como ponto adicional quando o texto está decomposto. A lista não identifica fonte tipográfica, glifo nem bytes UTF-8. Copie os pontos exatos ao relatar caracteres invisíveis ou inesperados.