Text na kódové body Unicode

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 "Čau, svet!" dá výsledok "U+010C U+0061 U+0075 U+002C U+0020 U+0073 U+0076 U+0065 U+0074 U+0021". Porovnajte obe strany znak po znaku; viditeľný zápis môže skrývať odlišné bajty alebo kombinujúce znamienka. V tomto smere sa čitateľný text zmení na prenosový zápis. Diakritiku a interpunkciu ponechajte vo vstupe; prevodník najprv číta hodnoty Unicode a podľa potreby bajty UTF-8. Skopírujte celý výsledok vrátane výplne alebo únikových znakov. Skrátenie jediného symbolu môže znemožniť spätný prevod.

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.