Unicode変換 — コードポイント・UTF-8バイト

Unicode変換ツールとは

テキストを入力すると、よく使う表記がすべて一度に表示され、それぞれコピーできます。Unicodeのコードポイント、JavaScript・JSONのエスケープ、ES6形式、HTMLの16進数・10進数の文字参照、UTF-8とUTF-16BEの生のバイト列です。ソースコードに非ASCIIの文字を安全に埋め込みたいとき、ログの \uXXXX を読みたいとき、文字化けの原因を調べたいときに使えます。

UTF-8、UTF-16、韓国語の旧来のエンコードEUC-KR（CP949）でのバイト数も比べ、コードポイントごとの一覧表も表示します。逆方向では、エスケープや16進数のバイト列をテキストに戻せます。処理はすべてブラウザー内で行い、何も保存しません。

使い方

1. 方向を「テキスト → コード」か「コード → テキスト」から選びます。
2. 「テキスト → コード」では入力欄に入力します。最初から例「Café 😀 あ」が入っているので、すぐに結果が表示されます。
3. 「ASCIIはそのまま」のチェックを外すと、非ASCII文字だけでなくすべての文字をエスケープします。
4. 必要な形式をコピーします。バイト数の比較と文字の一覧はその下にあります。
5. 「コード → テキスト」では、エスケープやU+の値（混在も可）なら自動判定のまま、バイト列ならその形式を選びます。
6. 復号したテキストをボタンでコピーします。

仕組み

• コードポイント：U+のあとに大文字の16進数を最低4桁（U+0041）で書き、スペースで区切ります。
• JavaScript / JSON：UTF-16のコード単位ごとに \uXXXX を1つ書くので、U+10000以上の文字はサロゲートペアになります。ES6形式はコードポイントごとに \u{...} を1つ書きます。
• HTML：コードポイントごとに &#x…; または &#…; を1つ書きます。
• ASCIIはそのまま：印字可能なASCII（U+0020〜U+007E）は変えずに残します。ただし、結果を曖昧さなく戻せるよう、バックスラッシュ（JavaScript）と & < > “ ’（HTML）はエスケープします。改行とタブは常にエスケープします。
• UTF-8のバイトはブラウザーのTextEncoderで作ります。UTF-16はコード単位ごとに2バイトで、上位バイトを先に書きます（ビッグエンディアン）。
• EUC-KR（CP949）：すべての2バイトの組（先頭0x81〜0xFE、後続0x41〜0xFE）をブラウザーのEUC-KRデコーダーで読んで逆引き表を作ります。ASCIIは1バイトです。가〜힣の11,172音節はすべて2バイトで、KS X 1001の2,350音節とCP949（UHC）拡張の8,822音節からなります。デコーダーがKS X 1001しか知らない場合は、CP949の配置で補います。
• 見た目の文字は、ブラウザーのIntl.Segmenterによる書記素クラスター（Unicode標準附属書29）です。一覧表はコードポイントごとに1行で、複数のコードポイントでできた文字に印を付け、最初の200個を表示します。
• 復号：U+の値は4〜8桁の16進数で、U+の値の間のスペースやカンマは区切りとして扱います。U+10FFFFを超える値や対になっていないサロゲートは、位置とともに知らせます。バイト列ではスペース、カンマ、コロン、ハイフン、0x・\x・%の接頭辞を無視し、不正なUTF-8はバイトの位置とともに知らせます。
• 入力は20,000字までです。

例

文字	コードポイント	JavaScript	UTF-8のバイト	UTF-8 / UTF-16 / EUC-KR
A	U+0041	A（「ASCIIはそのまま」オフなら A）	41	1 / 2 / 1バイト
é	U+00E9	é	C3 A9	2 / 2 / 表せない
あ	U+3042	あ	E3 81 82	3 / 2 / 2バイト
中	U+4E2D	中	E4 B8 AD	3 / 2 / 2バイト
😀	U+1F600	😀	F0 9F 98 80	4 / 4 / 表せない

初期の例「Café 😀 あ」は、見た目の文字8、コードポイント8、UTF-16の長さ9です。UTF-8で14バイト、UTF-16で18バイト、EUC-KRでは7バイトで、éと絵文字は表せません。

逆方向では、自動判定で Café 😀 U+3042 が「Café 😀 あ」に、UTF-8のバイト列 43 61 66 C3 A9 が「Café」になります。