Unicode 文字検査器

使い方

1. 入力ボックスにテキストを貼付または入力。
2. テーブルで各文字のメタデータを確認。
3. コピーボタンで解析済みテーブルを TSV としてコピー。

よくある質問

なぜ 🌏 は 1 行なのに len = 2？

絵文字やその他の補助面コードポイント（>U+FFFF）は JavaScript 文字列で 2 つの UTF-16 コード単位を取るが、ユーザーが認識する文字は 1 つ。本ツールは行数にコードポイント数（Array.from）を使用するが、`string.length` も別途レポートするので不一致が見える。

総バイトと UTF-8 カラム — 同じ？

はい。総バイト = 各行の UTF-8 バイト数の合計、エッジケースの正確性のため TextEncoder で計算。ストレージやワイヤーフォーマットのサイズ算出に有用。

文字化けとは？

誤ったエンコーディングでバイトを解釈した結果生じる崩れたテキスト。古典例: UTF-8 の 'é'（C3 A9）を Latin-1 として読むと 'é' になる。本ツールでも診断可能 — 化けた文字列を貼って、コードポイントが「誤デコードされた UTF-8」が生む結果と一致するか確認。

結合文字・グラフィムクラスタは？

コードポイントを表示し、グラフィムは表示しない。'é' は 1 コードポイント（U+00E9）にも 2 コードポイント（e + 結合アクセント、U+0065 + U+0301）にもなり得る。視覚的な文字は同じでもバイト表現は異なる。適切なグラフィムカウントには Intl.Segmenter が必要 — 本ツールの範囲外。

このテーマのガイド

• Unicode 正規化と見えない文字 見た目が同じ2つの文字列が等価判定に失敗する理由、NFC・NFD・NFKC・NFKD が実際に行うこと、貼り付けたテキストに潜む見えない文字、そしてテキストを安全に扱うための規則。
• 文字が化けて変な記号になる理由 名前が é になったり、日本語のファイルが読めない文字の壁になったり、記号がすべて黒い菱形になる。テキストはバイトとして保存され、文字コードはそのバイトが何を意味するかという取り決めにすぎないので、化け方そのものが、どの取り決めが食い違ったかを教えてくれます。

関連ツール