Kódové body Unicode na text

Praktický príklad

Kódové body Unicode označujú znaky hexadecimálnou skalárnou hodnotou; doplnkový znak má jeden bod, nie dve jednotky UTF-16. Preveďte údaje lokálne v prehliadači. Napríklad vstup "U+010C U+0061 U+0075 U+002C U+0020 U+0073 U+0076 U+0065 U+0074 U+0021" 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

Kódový bod Unicode je skalárne číslo priradené znaku, ktoré sa tu zapisuje ako U+ a hexadecimálne číslice. U+0041 označuje A; znak nad U+FFFF má stále jeden bod, hoci ho JavaScript vnútorne ukladá do dvoch jednotiek UTF-16. Kódové body nie sú bajty a neurčujú kódovanie súboru. Kombinujúce znamienka majú vlastné body, preto viditeľné písmeno s diakritikou môže byť jeden predzložený bod alebo viacero bodov. Nástroj odmietne náhradné hodnoty UTF-16 i hodnoty nad U+10FFFF, lebo nie sú platnými skalárnymi hodnotami. Zoznam pomáha vyšetrovať podobne vyzerajúci text a neviditeľné znamienka. Kódové body Unicode označujú znaky hexadecimálnou skalárnou hodnotou; doplnkový znak má jeden bod, nie dve jednotky UTF-16.

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

Použite U+ a jednu až šesť hexadecimálnych číslic. Náhradné hodnoty a hodnoty nad U+10FFFF sa odmietnu. 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.