Karakterinspecteur

Hoe te gebruiken

Typ of plak tekst in het vak en de tabel hieronder vult zich in bij elke toetsaanslag, één rij per karakter. Er is geen knop om op te drukken, en de volledige analyse wordt in je browser uitgevoerd, dus niets wordt geüpload — wat het veilig maakt voor tekst die je liever niet ergens heen stuurt. Elke rij toont drie dingen over een karakter. Het decimale codepunt is het nummer van het karakter in de Unicode-standaard; de U+XXXX-vorm is datzelfde getal geschreven in de hexadecimale notatie die in de gehele Unicode-documentatie wordt gebruikt; en de UTF-8-bytes zijn hoe het karakter daadwerkelijk op schijf wordt opgeslagen of via een netwerk wordt verzonden, vermeld als hexadecimale waarden met twee cijfers in hoofdletters, gescheiden door spaties. Als je alle drie naast elkaar ziet, wordt het duidelijk hoe een abstract karakter overeenkomt met concrete bytes. De tekst wordt opgesplitst per codepunt in plaats van per ruwe code-eenheid, dus een emoji of ander astral-karakter verschijnt als één rij met zijn volledige bytereeks in plaats van te worden gescheurd in verbroken surrogaathalves. Om de tabel responsief te houden, worden tegelijk maximaal 500 karakters geïnspecteerd, wat prima is voor het inspecteren van een lastig woord, een verdachte plak of een kort fragment. Als uitgewerkt voorbeeld: een gewone hoofdletter A is codepunt 65, geschreven U+0041, en opgeslagen als de enkele byte 41. Een accented e — é — is codepunt 233, geschreven U+00E9, en opgeslagen als de twee bytes C3 A9. Een grinning-face-emoji is codepunt 128512, geschreven U+1F600, en opgeslagen als de vier bytes F0 9F 98 80, daarom neemt het meer ruimte in dan een letter. Karakterinspectie op deze manier is nuttig voor het debuggen van coderingsproblemen, het opsporen van onzichtbare of op elkaar lijkende karakters die een formulier of zoekopdracht breken, het controleren waarom een string meer bytes inneemt dan het lijkt, of simpelweg leren hoe Unicode en UTF-8 samenwerken.

Veelgestelde vragen

Hoe worden emoji's verwerkt?

Tekst wordt opgesplitst per Unicode-codepunt, dus een emoji zoals 😀 wordt weergegeven als één karakter (U+1F600) met zijn volledige UTF-8-bytereeks, niet als verbroken surrogaathalves.

Wat is het verschil tussen codepunt en UTF-8-bytes?

Het codepunt is het nummer van het karakter in de Unicode-standaard (bijv. U+00E9 voor é). UTF-8-bytes zijn hoe dat codepunt wordt opgeslagen — é is twee bytes, C3 A9.

Wordt mijn tekst geüpload?

Nee. Alles wordt in je browser geanalyseerd; je tekst wordt nooit naar een server verzonden.

Kan het me helpen onzichtbare of op elkaar lijkende karakters te vinden?

Ja. Elk karakter krijgt zijn eigen rij met een codepunt, dus zero-width-spaties, non-breaking-spaties en letters die identiek lijken maar verschillende codepunten hebben, verschijnen allemaal duidelijk — handig voor het debuggen van een formulier, zoekopdracht of plak die onverwacht gedraag.