Unicode 字符查找

步 1 / 2

字符

粘贴一个来历不明的字符、用户贴进来的奇怪空白、字体预览里的字形，或是让正则失效的表情符号，查找就会返回它的 Unicode 代码点（U+XXXX）和十六进制的原始 UTF-8 字节，每个字符一行。

如何识别 Unicode 字符

1

粘贴字符

你可以粘贴单个字形或整段字符串：每个字符按顺序分析。
2

读取代码点

获得标准的 U+ 表示法，大写并用零补足到至少四位十六进制数字。
3

检查 UTF-8 字节

查看该字符在磁盘或传输时占用的 1 到 4 个字节序列。
4

复制结果

输出是 CSV 格式的表格（字符、代码点、UTF-8 字节），可以选中后粘贴到电子表格或缺陷报告中。

用查找可以做的典型排查工作

大多数 Unicode 问题在屏幕上看起来完全一样。要区分普通空格和不间断空格，或区分弯撇号和 prime，唯一的办法就是检查代码点。

查找能解决的常见陷阱

看起来像	实际上是	代码点
空格	不间断空格	U+00A0
空格	窄不间断空格	U+202F
（无）	零宽空格	U+200B
（无）	零宽连接符	U+200D
撇号	右单引号	U+2019
撇号	prime（英尺/分）	U+2032
连字符	短破折号	U+2013
连字符	不间断连字符	U+2011

UTF-8 字节结构一览

1 字节，ASCII，U+0000 到 U+007F（0xxxxxxx）
2 字节，拉丁补充、阿拉伯文、希伯来文（110xxxxx 10xxxxxx）
3 字节，CJK，大多数符号（1110xxxx 10xxxxxx 10xxxxxx）
4 字节，表情符号、罕见文字（11110xxx 10xxxxxx 10xxxxxx 10xxxxxx）

如果数据库列采用固定字节长度，一个 4 字节的表情符号即使只显示为一个字形，也会占用四个位置，这是常见的截断错误来源。

常见问题

通常是文件开头的 BOM 标记（U+FEFF），或文字处理软件留下的零宽连接符。把其中一个粘贴到查找里，它会立刻告诉你，然后用简单的查找替换就能删掉。

可以。查找会逐字符处理，所以整个词会为每个字符生成一行，附带它的代码点和 UTF-8 字节。

代码点是字符的抽象身份：无论存在哪里，U+00E9 始终是 “é”。UTF-8 是把代码点转成字节的多种编码之一；同一个 “é” 在 UTF-8 中是两个字节 C3 A9，在 Latin-1 中却是单个字节 E9。

会。查找在我们的服务器上计算：你粘贴的字符会被发送、分析，代码点和 UTF-8 字节会立即返回。我们不会保存你提交的文本。

相关工具

此工具还提供其他语言版本