Конвертер Юникода — кодовые точки и байты UTF-8

Что это такое

Введите текст — и сразу получите все распространённые формы записи, каждую с кнопкой копирования: кодовые точки Юникода, экранирование JavaScript и JSON, форму ES6, шестнадцатеричные и десятичные HTML-мнемоники и сырые байты UTF-8 и UTF-16BE. Пригодится, чтобы безопасно вставить кириллицу и другой не-ASCII-текст в исходный код, прочитать последовательности \uXXXX в логе или понять, почему текст превратился в «кракозябры».

Инструмент также сравнивает размер в байтах в UTF-8, UTF-16 и старой корейской кодировке EUC-KR (CP949) и показывает каждую кодовую точку в таблице. Обратное направление превращает escape-последовательности или шестнадцатеричные байты снова в текст. Всё работает в браузере, ничего не сохраняется.

Как пользоваться

1. Выберите направление: «Текст → код» или «Код → текст».
2. Для «Текст → код» введите текст в поле. Там уже стоит пример «Привет 😀 한», поэтому результаты видны сразу.
3. Снимите галочку «Оставлять ASCII как есть», чтобы экранировать все символы, а не только не-ASCII.
4. Скопируйте нужный формат. Ниже — сравнение байтов и таблица символов.
5. Для «Код → текст» оставьте «Автоопределение» для escape-последовательностей и значений U+, даже вперемешку, или выберите формат шестнадцатеричных байтов для списка байтов.
6. Скопируйте расшифрованный текст кнопкой.

Как это работает

• Кодовые точки записываются как U+ и шестнадцатеричное число заглавными буквами, дополненное минимум до четырёх цифр (U+0041), через пробел.
• JavaScript / JSON: одна последовательность \uXXXX на каждую кодовую единицу UTF-16, поэтому всё начиная с U+10000 становится суррогатной парой. Форма ES6 пишет один \u{...} на кодовую точку.
• HTML-мнемоники: один &#x…; или &#…; на кодовую точку.
• Оставлять ASCII как есть — печатные символы ASCII (U+0020–U+007E) не меняются, кроме обратной косой черты (JavaScript) и & < > “ ’ (HTML), чтобы результат однозначно расшифровывался обратно. Переносы строк и табуляции экранируются всегда.
• Байты UTF-8 берутся из TextEncoder браузера. UTF-16 пишет по два байта на кодовую единицу, старший байт первым (big-endian).
• EUC-KR (CP949): обратная таблица строится расшифровкой всех двухбайтовых пар (первый байт 0x81–0xFE, второй 0x41–0xFE) декодером EUC-KR браузера; ASCII занимает один байт. Все 11 172 слога от 가 до 힣 занимают по два байта: 2350 из KS X 1001 и 8822 из расширения CP949 (UHC), которое достраивается по раскладке CP949, если декодер знает только KS X 1001.
• Видимые символы — графемные кластеры из Intl.Segmenter браузера (Unicode Standard Annex #29). В таблице одна строка на кодовую точку, символы из нескольких кодовых точек отмечены, показываются первые 200.
• Расшифровка: значения U+ — от 4 до 8 шестнадцатеричных цифр, пробелы и запятые между ними считаются разделителями. Значения выше U+10FFFF и одиночные суррогаты выводятся как ошибка с позицией символа. При вводе байтов игнорируются пробелы, запятые, двоеточия, дефисы и префиксы 0x, \x и %, а некорректный UTF-8 выводится с позицией байта.
• Ввод ограничен 20 000 символов.

Примеры

Текст	Кодовая точка	JavaScript	Байты UTF-8	UTF-8 / UTF-16 / EUC-KR
A	U+0041	A (или A без «Оставлять ASCII»)	41	1 / 2 / 1 байт
Ж	U+0416	Ж	D0 96	2 / 2 / 2 байта
é	U+00E9	é	C3 A9	2 / 2 / не кодируется
中	U+4E2D	中	E4 B8 AD	3 / 2 / 2 байта
한	U+D55C	한	ED 95 9C	3 / 2 / 2 байта
😀	U+1F600	😀	F0 9F 98 80	4 / 4 / не кодируется

В примере по умолчанию «Привет 😀 한» 10 видимых символов, 10 кодовых точек и длина в UTF-16 — 11. Он занимает 21 байт в UTF-8, 22 в UTF-16 и 16 в EUC-KR, где эмодзи записать нельзя.

В обратную сторону автоопределение превращает Привет 😀 U+D55C в «Привет 😀 한», а байты UTF-8 D0 9F D1 80 D0 B8 расшифровываются как «При».