Inspetor de Caracteres

Como utilizá-lo

Digite ou cole texto na caixa e a tabela abaixo preenche a cada toque de tecla, uma linha por carácter. Não há botão a pressionar e toda a análise é executada no seu navegador, portanto nada é carregado — o que torna seguro para texto que preferiria não enviar para nenhum lado. Cada linha mostra três coisas sobre um carácter. O ponto de código decimal é o número do carácter na norma 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 carácter é realmente armazenado no disco ou enviado por uma rede, listados como valores hexadecimais em maiúsculas com dois dígitos separados por espaços. Ver os três lado a lado torna claro como um carácter abstrato mapeia para bytes concretos. O texto é dividido por ponto de código em vez de por unidade de código bruta, portanto um emoji ou outro carácter astral aparece como uma única linha com sua sequência de bytes completa em vez de ser rasgado em metades substitutas quebradas. Para manter a tabela responsiva, até 500 caracteres são inspecionados de uma vez, o que é suficiente para inspecionar uma palavra complicada, uma cola suspeita ou um trecho curto. Como um exemplo trabalhado, 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 com cara de sorriso é o ponto de código 128512, escrito U+1F600 e armazenado como os quatro bytes F0 9F 98 80, é por isso que ocupa mais espaço do que uma letra. Inspecionar caracteres desta forma é útil para depurar problemas de codificação, identificar caracteres invisíveis ou semelhantes que quebram um formulário ou uma pesquisa, verificar por que uma string é mais longa em bytes do que parece ou simplesmente aprender como Unicode e UTF-8 se encaixam.

Perguntas frequentes

Como são tratados os emoji?

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

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

O ponto de código é o número do carácter na norma Unicode (por exemplo, U+00E9 para é). Os bytes UTF-8 são como esse ponto de código é armazenado — é são dois bytes, C3 A9.

O meu texto é carregado?

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

Pode ajudar-me a encontrar caracteres invisíveis ou semelhantes?

Sim. Cada carácter tem sua própria linha com um ponto de código, portanto espaços de largura zero, espaços inseparáveis e letras que parecem idênticas mas têm pontos de código diferentes aparecem todas distintamente — útil para depurar um formulário, pesquisa ou cola que se comporta inesperadamente.