Inspetor de Caracteres

Como usar

Digite ou cole texto na caixa e a tabela abaixo é preenchida a cada digitação, uma linha por caractere. Não há botão para pressionar e toda a análise funciona no seu navegador, então nada é carregado — o que a torna segura para texto que você preferiria não enviar para lugar algum. Cada linha mostra três coisas sobre um caractere. O ponto de código decimal é o número do caractere no padrão Unicode; a forma U+XXXX é esse mesmo número escrito na notação hexadecimal usada em toda a documentação Unicode; e os bytes UTF-8 são como o caractere é realmente armazenado em disco ou enviado pela rede, listados como valores hexadecimais em maiúsculas de dois dígitos separados por espaços. Ver todos os três lado a lado deixa claro como um caractere abstrato mapeia para bytes concretos. O texto é dividido por ponto de código em vez de unidade de código bruta, então um emoji ou outro caractere astral aparece como uma linha única com sua sequência de bytes completa em vez de ser dividido em meias-substituas quebradas. Para manter a tabela responsiva, até 500 caracteres são inspecionados por vez, o que é bastante para inspecionar uma palavra complicada, uma colagem suspeita ou um trecho curto. Como exemplo prático, um A maiúsculo simples é o ponto de código 65, escrito U+0041, e armazenado como o byte único 41. Um e acentuado — é — é o ponto de código 233, escrito U+00E9, e armazenado como os dois bytes C3 A9. Um emoji de rosto sorridente é o ponto de código 128512, escrito U+1F600, e armazenado como os quatro bytes F0 9F 98 80, razão pela qual ocupa mais espaço do que uma letra. Inspecionar caracteres dessa forma é útil para depurar problemas de codificação, detectar caracteres invisíveis ou semelhantes que quebram um formulário ou pesquisa, verificar por que uma string é maior em bytes do que parece, ou simplesmente aprender como Unicode e UTF-8 funcionam juntos.

Perguntas frequentes

Como os emoji são tratados?

O texto é dividido por ponto de código Unicode, então um emoji como 😀 é mostrado como um caractere (U+1F600) com sua sequência de bytes UTF-8 completa, não como meias-substituas quebradas.

Qual é a diferença entre ponto de código e bytes UTF-8?

O ponto de código é o número do caractere no padrão Unicode (por exemplo, U+00E9 para é). Bytes UTF-8 são como esse ponto de código é armazenado — é tem dois bytes, C3 A9.

Meu texto é carregado?

Não. Tudo é analisado no seu navegador; seu texto nunca é enviado para um servidor.

Pode me ajudar a encontrar caracteres invisíveis ou semelhantes?

Sim. Cada caractere tem sua própria linha com um ponto de código, então espaços de largura zero, espaços não-quebrantes e letras que parecem idênticas, mas têm pontos de código diferentes, aparecem de forma distinta — útil para depurar um formulário, pesquisa ou colagem que se comporta inesperadamente.