Hodnoty bajtov UTF-8 na text

Praktický príklad

UTF-8 serializuje text Unicode na bajty; ASCII potrebuje jeden bajt, mnohé ďalšie znaky dva až štyri. Preveďte údaje lokálne v prehliadači. Napríklad vstup "196 140 97 117 44 32 115 118 101 116 33" dá výsledok "Čau, svet!". Porovnajte obe strany znak po znaku; viditeľný zápis môže skrývať odlišné bajty alebo kombinujúce znamienka. V tomto smere sa zakódovaný zápis zmení na čitateľný text. Vložte celú postupnosť aj s výplňou či únikmi a znaky porovnajte so zdrojovým systémom. Syntakticky správny zápis môže stále obsahovať bajty, ktoré netvoria platný text UTF-8.

Ako zápis funguje

UTF-8 zapisuje skalárne hodnoty Unicode ako postupnosti bajtov. Písmená a číslice ASCII majú rovnaký jediný bajt ako v ASCII, zatiaľ čo diakritika a emoji zvyčajne potrebujú viac. Desiatkový zoznam ukazuje presné prenosové bajty, nie kódové body ani jedno desiatkové číslo pre celý reťazec. Dekodér prísne overuje pokračovacie bajty, príliš dlhé zápisy a neplatné skalárne rozsahy namiesto tichej náhrady znakom za chybu. Poradie bajtov v jednej postupnosti UTF-8 sa nemení. Toto zobrazenie pomáha kontrolovať protokolové dáta, hľadať poškodené znaky a odlíšiť hodnotu textu od fyzických bajtov, ktoré ju prenášajú. UTF-8 serializuje text Unicode na bajty; ASCII potrebuje jeden bajt, mnohé ďalšie znaky dva až štyri.

Textová transformácia má smer. Najprv zistite, či je zdroj čitateľný text Unicode, zoznam bajtov, kódové body alebo už zakódovaný reťazec. Vložte krátku hodnotu so známym významom, pozrite si výsledok a až potom spracujte väčší vstup. Zdroj si ponechajte. Zakódovaný zápis môže byť vratný a pritom odhaliť každý pôvodný bajt komukoľvek, kto pozná formát; samotné kódovanie nechráni súkromie. Výpočet prebieha v tomto prehliadači a vložený obsah neposiela na konverzný server. Výsledok sa však môže stať verejným, ak ho vložíte do zdieľaného dokumentu, hlásenia chyby alebo adresy URL.

Obmedzenia a spoľahlivé použitie

Zadajte desiatkové bajty bez znamienka oddelené medzerou, čiarkou alebo bodkočiarkou. Neplatné UTF-8 sa odmietne bez tichej náhrady. Použite presne tú abecedu, kódovanie bajtov a normalizačný tvar, ktoré očakáva prijímací systém. Podobné formáty nemusia byť zameniteľné. Dekódovaný reťazec môže obsahovať značkovanie alebo riadiace znaky a ďalšia aplikácia ho musí považovať za nedôveryhodný vstup. Platný prevod takisto nedokazuje oprávnenosť, bezpečnosť ani vecnú správnosť údajov. Pri vratnom postupe skúste spätný prevod a porovnajte kódové body alebo bajty UTF-8, ak dva reťazce vyzerajú rovnako, no pri presnom porovnaní sa líšia. Pri ukladaných či podpisovaných údajoch zdokumentujte transformáciu v dátovom rozhraní.