Texto para valores de byte UTF-8

Exemplo de trabalho

UTF-8 serializa texto Unicode em bytes; ASCII usa um byte, enquanto muitos outros caracteres usam dois a quatro bytes. Converta localmente no seu navegador. A entrada trabalhada "Olá, mundo!" torna-se "79 108 195 161 44 32 109 117 110 100 111 33". UTF-8 escreve cada escalar Unicode como um a quatro bytes; ASCII precisa de um, enquanto letras acentuadas e emoji geralmente precisam de mais. Os valores decimais na saída representam bytes de UTF-8, não pontos de código Unicode. Compare a contagem com os caracteres de origem deliberadamente.

Como funciona a representação

UTF-8 codifica valores escalares Unicode como sequências de bytes. As letras e dígitos ASCII usam os mesmos valores de byte único que ASCII; caracteres acentuados e emoji geralmente usam mais. Uma lista de bytes decimais mostra os bytes de transporte exatos, não pontos de código ou uma interpretação base-dez de toda a string. O decodificador valida bytes de continuação, codificações excessivamente longas e intervalos escalares inválidos com um decodificador UTF-8 rigoroso, em vez de inserir silenciosamente um caractere de substituição. A ordem de bytes não muda para uma sequência UTF-8 individual. Essa exibição ajuda a inspecionar cargas úteis de protocolo, depurar corrupção de caracteres e distinguir um valor de texto Unicode dos bytes físicos que o carregam. UTF-8 serializa texto Unicode em bytes; ASCII usa um byte, enquanto muitos outros caracteres usam dois a quatro bytes. Use a lista decimal para comparar uma solicitação falha com uma solicitação bem-sucedida na camada de transporte.

Um fim de linha, espaço não quebrado ou marca de combinação pode introduzir bytes que não são óbvios em uma visualização visual. Essa ferramenta codifica os caracteres inseridos; ela não adiciona um cabeçalho de arquivo, marca de ordem de bytes ou enquadramento de protocolo. Registre o número de bytes separadamente do número de caracteres visíveis. Se um log downstream agrupar números de forma diferente, compare os valores ordenados 0–255 em vez de confiar na pontuação entre eles. Evite colocar texto confidencial em um ticket de diagnóstico compartilhado apenas porque ele é exibido como números.

Limites e uso confiável

Insira texto Unicode. A ferramenta exibe cada byte UTF-8 como um número decimal sem sinal de 0 a 255; um único caractere pode ocupar vários bytes. Esse sentido da conversão é útil quando um registro de protocolo ou caso de teste precisa dos bytes decimais em vez da string exibida. Os números de saída são separados por espaços. Caracteres ASCII simples costumam produzir um número por caractere, enquanto uma letra acentuada ou um emoji podem produzir vários. Não interprete cada número como um ponto de código Unicode. Se duas palavras visualmente iguais resultarem em listas diferentes, examine a normalização e os acentos combinantes. Mantenha a ordem exata dos bytes ao testar um decodificador.