Inspetor de Caracteres Unicode
Cada caractere nesta ferramenta ganha uma linha mostrando: o caractere em si, codepoint em hex `U+HHHH`, sequência de bytes UTF-8, entidade HTML decimal (`&#NNNN;`), escape CSS (`\HHHH`), e o bloco Unicode a que pertence. Útil pra debugar mojibake, achar o codepoint exato de um caractere confuso (é hyphen-minus ou em dash?), ou ver quantos bytes sua string ocupa em storage UTF-8. Lida com surrogate pairs corretamente usando Array.from pra iteração própria de codepoints.
string.length
13
Codepoints
12
Bytes UTF-8
19
| Char | Codepoint | Bytes UTF-8 | Entidade HTML | Escape CSS | Bloco |
|---|---|---|---|---|---|
| H | U+0048 | 48 | H | \0048 | Basic Latin (ASCII) |
| e | U+0065 | 65 | e | \0065 | Basic Latin (ASCII) |
| l | U+006C | 6C | l | \006C | Basic Latin (ASCII) |
| l | U+006C | 6C | l | \006C | Basic Latin (ASCII) |
| o | U+006F | 6F | o | \006F | Basic Latin (ASCII) |
| , | U+002C | 2C | , | \002C | Basic Latin (ASCII) |
| ␠ | U+0020 | 20 |   | \0020 | Basic Latin (ASCII) |
| 世 | U+4E16 | E4 B8 96 | 世 | \4E16 | CJK Unified Ideographs |
| 界 | U+754C | E7 95 8C | 界 | \754C | CJK Unified Ideographs |
| ! | U+0021 | 21 | ! | \0021 | Basic Latin (ASCII) |
| ␠ | U+0020 | 20 |   | \0020 | Basic Latin (ASCII) |
| 🌏 | U+1F30F | F0 9F 8C 8F | 🌏 | \1F30F | Miscellaneous Symbols & Pictographs |
Codepoints iterados com Array.from (surrogate-pair safe). Nomes de bloco cobrem os ranges Unicode mais comuns — blocos nicho podem mostrar '—'.
Como usar
- Cole ou digite texto no input box.
- Veja a metadata de cada caractere na tabela.
- Copie a tabela parseada como TSV com o botão copy.
Perguntas frequentes
- Por que 🌏 é uma linha mas len = 2?
- Emojis e outros codepoints de planos suplementares (>U+FFFF) tomam 2 unidades de código UTF-16 em strings JavaScript, mas são um caractere percebido pelo usuário. A ferramenta conta codepoints (Array.from) pra contagem de linhas, mas reporta `string.length` à parte pra ver a discrepância.
- Total bytes vs coluna UTF-8 — mesmo?
- Sim. Total bytes = soma da contagem bytes UTF-8 de cada linha, computado via TextEncoder pra precisão em edge cases. Útil pra dimensionar storage ou formato wire.
- O que é mojibake?
- Texto bagunçado de interpretar bytes em encoding errado. Clássico: UTF-8 'é' (C3 A9) lido como Latin-1 vira 'é'. Esta ferramenta pode ajudar a diagnosticar — cole a string bagunçada e veja se os codepoints batem com o que 'UTF-8 mal decodificado' produziria.
- E caracteres combinantes / clusters de grafemas?
- Mostramos codepoints, não grafemas. 'é' pode ser um codepoint (U+00E9) ou dois (e + agudo combinante, U+0065 + U+0301). O caractere visual é igual; a representação bytes não. Pra contagem grafema apropriada precisa Intl.Segmenter — fora do escopo.
Guias sobre este tema
- Normalização Unicode e caracteres invisíveis Por que duas strings de aparência idêntica podem falhar numa comparação de igualdade, o que NFC, NFD, NFKC e NFKD realmente fazem, quais caracteres invisíveis se escondem em texto colado e as regras que mantêm o tratamento de texto seguro.
- Por que seu texto vira caracteres estranhos Um nome sai como é, um arquivo coreano vira um muro de rabiscos, ou todo acento é um losango preto. Texto é guardado como bytes e uma codificação é apenas um acordo sobre o que esses bytes significam, então o formato do estrago diz qual acordo foi quebrado.
Ferramentas relacionadas
Contador de Caracteres e Palavras
Conte caracteres, palavras, frases, linhas e bytes em tempo real.
Tabela de Códigos ASCII
Navegue e busque as 256 linhas da tabela ASCII / ASCII estendida — decimal, hex, octal, binário e nomes de caracteres de controle.
Detector de Caracteres Invisíveis / Zero-Width
Detecte NBSPs, caracteres zero-width, marcas bidi e tabs em texto colado — e limpe-os.
Gerador de bytes aleatórios
Gera bytes aleatórios criptograficamente seguros em 9 formatos — hex, Base64, Base64URL, binário, decimal, array C, bytes Python, UUID v4.
Gerador de código fonético Soundex
Gere o código Soundex americano de nomes ou palavras: uma chave fonética de 4 caracteres que agrupa grafias de som parecido. Codifica um nome por linha no seu navegador.
Reparador de Mojibake (UTF-8 corrompido)
Repare texto estragado por um ida-e-volta de codificação errada — transforme café, don’t e 😀 de volta em café, don't e 😀 — automática e seguramente, tudo no seu navegador.