Unicode 编码转换 — 码位与 UTF-8 字节

工具简介

输入一段文字，所有常用的表示方式会一次性列出，每一种都带复制按钮：Unicode 码位、JavaScript 和 JSON 转义、ES6 写法、HTML 十六进制和十进制字符实体，以及原始的 UTF-8 和 UTF-16BE 字节。可以用它把中文等非 ASCII 文字安全地写进源代码，看懂日志里的 \uXXXX 序列，或者查明文字为什么变成了乱码。

工具还会比较 UTF-8、UTF-16 和韩文传统编码 EUC-KR（CP949）的字节数，并在表格中逐个列出码位。反方向可以把转义序列或十六进制字节还原成文字。所有处理都在浏览器中完成，不保存任何内容。

使用方法

1. 选择方向：文字 → 编码，或编码 → 文字。
2. 选择“文字 → 编码”时，在文本框中输入。框里已有示例“Café 😀 中”，可以马上看到结果。
3. 取消勾选“ASCII 保持原样”，就会转义所有字符，而不只是非 ASCII 字符。
4. 复制你需要的格式。下方是字节数比较和字符表。
5. 选择“编码 → 文字”时，转义序列和 U+ 值（即使混在一起）用“自动识别”即可；字节列表请选择对应的十六进制字节格式。
6. 用按钮复制解码后的文字。

工作原理

• 码位写成 U+ 加大写十六进制，至少补足四位（U+0041），用空格分隔。
• JavaScript / JSON 转义按每个 UTF-16 代码单元写一个 \uXXXX，所以 U+10000 以上的字符会变成代理对。ES6 写法按每个码位写一个 \u{...}。
• HTML 字符实体按每个码位写一个 &#x…; 或 &#…;。
• ASCII 保持原样时，可打印 ASCII 字符（U+0020 至 U+007E）不变，但反斜杠（JavaScript）和 & < > “ ’（HTML）除外，这样输出可以无歧义地解码回去。换行和制表符始终会被转义。
• UTF-8 字节由浏览器的 TextEncoder 生成。UTF-16 每个代码单元写两个字节，高位字节在前（大端序）。
• EUC-KR（CP949）：用浏览器的 EUC-KR 解码器解码所有双字节组合（首字节 0x81 至 0xFE，尾字节 0x41 至 0xFE），建立反向查找表；ASCII 为一个字节。从 가 到 힣 的全部 11,172 个韩文音节都占两个字节：2,350 个来自 KS X 1001，8,822 个来自 CP949（UHC）扩展区；如果解码器只认识 KS X 1001，扩展区按 CP949 的排列补齐。
• 可见字符是浏览器 Intl.Segmenter 切分出的字素簇（Unicode 标准附录 #29）。字符表每个码位一行，会标出由多个码位组成的字符，最多显示前 200 个。
• 解码：U+ 值接受 4 到 8 位十六进制数字，U+ 值之间的空格或逗号视为分隔符。超过 U+10FFFF 的值和未配对的代理项会连同字符位置一起报告。字节输入会忽略空格、逗号、冒号、连字符以及 0x、\x 或 % 前缀，无效的 UTF-8 会报告字节位置。
• 输入最多 20,000 个字符。

示例

文字	码位	JavaScript	UTF-8 字节	UTF-8 / UTF-16 / EUC-KR
A	U+0041	A（取消“ASCII 保持原样”时为 A）	41	1 / 2 / 1 字节
é	U+00E9	é	C3 A9	2 / 2 / 无法表示
中	U+4E2D	中	E4 B8 AD	3 / 2 / 2 字节
한	U+D55C	한	ED 95 9C	3 / 2 / 2 字节
😀	U+1F600	😀	F0 9F 98 80	4 / 4 / 无法表示

默认示例“Café 😀 中”有 8 个可见字符、8 个码位，UTF-16 长度为 9。它在 UTF-8 中占 14 字节，在 UTF-16 中占 18 字节，在 EUC-KR 中占 7 字节（é 和 emoji 无法表示）。

反方向时，自动识别会把 Café 😀 U+4E2D 转换成“Café 😀 中”，UTF-8 字节 E4 B8 AD E6 96 87 解码为“中文”。