「文字インスペクタ」

「使い方」

「テキストをボックスに入力するか貼り付けると、以下のテーブルがすべてのキーストロークで更新され、文字ごとに 1 行になります。押すボタンはなく、分析全体がブラウザで実行されるため、何もアップロードされません。これにより、どこにも送信したくないテキストに対して安全です。 各行は文字について 3 つのことを表示します。10 進コードポイントは Unicode 標準における文字の番号です。U+XXXX 形式は同じ番号を Unicode ドキュメント全体で使用される 16 進数表記で表したものです。UTF-8 バイトは文字が実際にディスクに保存されたり、ネットワークで送信されたりする方法で、スペースで区切られた大文字 2 桁の 16 進値として示されます。3 つすべてを並べて表示することで、抽象的な文字が具体的なバイトにどのようにマップされるかが明確になります。 テキストは生のコードユニットではなくコードポイントで分割されるため、絵文字または他の星文字は、壊れたサロゲートペアに分割されるのではなく、完全なバイトシーケンスを持つ単一行として表示されます。テーブルの応答性を保つため、最大 500 文字を一度に検査します。これは厄介な単語、疑わしいペースト、または短いスニペットを検査するのに十分です。 実例として、通常の大文字 A はコードポイント 65 で、U+0041 と表記され、単一バイト 41 として保存されます。アクセント付き e — é — はコードポイント 233 で、U+00E9 と表記され、2 バイト C3 A9 として保存されます。笑顔絵文字はコードポイント 128512 で、U+1F600 と表記され、4 バイト F0 9F 98 80 として保存されます。これが文字より多くのスペースを取る理由です。 この方法で文字を検査することは、エンコーディング問題のデバッグ、フォームまたは検索を壊す見えない文字または類似文字の検出、文字列がそのように見えるより長いバイト数の理由を確認する、または単に Unicode と UTF-8 がどのように適合するかを学ぶのに役立ちます。」

「よくある質問」

「絵文字はどのように処理されますか?」

「テキストは Unicode コードポイントで分割されるため、😀 のような絵文字は、壊れたサロゲートペアではなく、完全な UTF-8 バイトシーケンス (U+1F600) を持つ 1 文字として表示されます。」

「コードポイントと UTF-8 バイトの違いは何ですか?」

「コードポイントは Unicode 標準における文字の番号です (例: é の U+00E9)。UTF-8 バイトはそのコードポイントがどのように保存されるかです。é は 2 バイト C3 A9 です。」

「テキストはアップロードされますか?」

「いいえ。すべてがブラウザで分析され、テキストがサーバーに送信されることはありません。」

「見えない文字または類似文字を見つけるのに役立ちますか?」

「はい。すべての文字がコードポイント付きの独自の行を取得するため、ゼロ幅スペース、ノーブレークスペース、同じに見えるが異なるコードポイントを持つ文字はすべて明確に表示されます。フォーム、検索、または予期しない動作をするペーストのデバッグに便利です。」