Valores de byte UTF-8 para texto

Exemplo de trabalho

A decodificação UTF-8 lê valores decimais de bytes sem sinal na ordem indicada e reconstrói texto Unicode, rejeitando sequências inválidas. Faça a conversão localmente no navegador. A entrada trabalhada "79 108 195 161 44 32 109 117 110 100 111 33" torna-se "Olá, mundo!". A entrada contém valores decimais de bytes, que o decodificador UTF-8 agrupa em caracteres Unicode. Um byte de continuação errante ou uma sequência multibyte incompleta é inválido. O texto recuperado pode conter marcas de combinação que são fáceis de ignorar visualmente.

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, formas 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. A decodificação UTF-8 lê valores decimais de bytes sem sinal na ordem indicada e reconstrói texto Unicode, rejeitando sequências inválidas. Para um teste de decodificação reprodutível, cole os bytes exatos ordenados da fonte e mantenha o pacote ou log original.

A falta de um único byte pode invalidar um caractere UTF-8 de vários bytes; adivinhar uma substituição altera a evidência original. Este decodificador não insere silenciosamente U+FFFD, de modo que um erro ajuda a localizar um trecho truncado ou uma codificação de caracteres incorreta. Se a origem usava Latin-1 ou outra codificação, selecionar UTF-8 não recuperará o texto pretendido. Depois de uma decodificação bem-sucedida, examine caracteres de controle e marcação antes de enviar o resultado a um DOM do navegador, à linha de comando ou a uma consulta de banco de dados.

Limites e uso confiável

Insira bytes decimais sem sinal, de 0 a 255, separados por espaços, vírgulas ou pontos e vírgulas. Sequências UTF-8 inválidas são recusadas em vez de receber caracteres de substituição inventados. Um caractere UTF-8 com vários bytes requer a sequência inteira, na ordem correta; a falta de um byte de continuação provoca um erro. O decodificador também recusa codificações excessivamente longas e valores substitutos UTF-16. Se uma captura de pacote mostrar bytes hexadecimais, converta primeiro a base numérica em vez de colar as strings hexadecimais diretamente. Uma decodificação bem-sucedida confirma que a sequência de bytes é texto UTF-8; ela não garante que esse texto seja seguro para inserir em HTML ou em um comando.