这个工具做什么
Unicode 为世界上几乎每个字符分配了一个唯一编号,称为码点。中文「心」的码点是 U+5FC3,emoji「😀」的码点是 U+1F600。不同软件环境需要不同的写法:JavaScript 字符串和 JSON 常用反斜杠加 u 的转义,HTML 与 XML 常用以与号开头的数字字符引用,还有一些老旧系统只接受纯 ASCII。这个工具负责在「可读文字」和这些转义写法之间转换。
编码方向只处理码点大于 0x7F 的字符:ASCII 字母、数字、常见符号以及反斜杠都会原样保留,因此不会把一段普通的英文路径改得面目全非。输出形式有三选一:\uXXXX 转义、十六进制字符引用 &#xXXXX;、十进制字符引用 &#NNNN;。字符引用使用完整码点,所以 emoji 会写成 😀 或 😀。
解码方向会自动识别四种常见写法:\uXXXX、\u{XXXXX} 大括号形式、&#xXXXX; 与 &#NNNN;,并且允许它们混在同一段文本里。连续的 UTF-16 代理对会自动合并成一个字符;缺少分号、缺少数字、码点越界或落在孤立代理区的写法不会被猜测或替换成问号,而是原样保留,并在状态栏分别给出数量。
所有处理都在当前标签页的内存中完成,输入不会离开本机,也不会被写入本地存储。
怎么用
先用方向按钮选择「编码」或「解码」,当前方向会同时通过按钮高亮和下方说明标出。然后在左侧输入框里粘贴内容,右侧结果会随输入自动更新,不需要额外点「转换」。输入较长时会有一小段延迟,这是为了减少连续按键时的重复计算。
- 编码时可以在三个格式之间切换:
\uXXXX适合放进 JavaScript 字符串或 JSON;十六进制字符引用适合 HTML;十进制字符引用适合只能处理数字实体、不方便写 x 的场景。 - 解码时不需要提前判断写法,四种形式可以混用。工具会优先识别转义序列,普通文字和无法识别的片段照常输出。
- 「载入示例」会按当前方向填入示例。编码示例包含英文、中文、反斜杠与 emoji;解码示例混合了转义、代理对与字符引用。
- 「复制结果」把右侧内容写入剪贴板,写剪贴板失败时会自动改用兼容方式。「清空」只清空输入与结果,方向与格式选择保持不变。
如果只是想看某个字符的码点,输入单个字符即可;如果想验证接口返回的转义是否正确,把整段响应粘贴到解码方向,观察哪些片段被还原、哪些被计入「格式不完整」或「码点非法」。
结果怎么解读
同一个字符可以有多种合法写法。中文「中」的码点是 U+4E2D,下面四种写法在浏览器或程序里都表示同一个字:\u4E2D、中、中,以及直接写出「中」。做字符串比较、去重或搜索时,应先统一成真实字符再比较,否则会把「写法不同」误判成「内容不同」。
需要特别注意,\uXXXX 里的四位十六进制表示的是一个 UTF-16 码元,而不是完整码点。基本多文种平面(BMP,码点不超过 0xFFFF)的字符用一个码元就够;超出 BMP 的字符,例如 emoji、部分生僻字和音乐符号,必须拆成高低两个代理码元。所以同一个「😀」写成转义时是两个转义:\uD83D\uDE00,而写成字符引用时是一个:😀。这也是为什么本工具在解码时会把紧挨着的合法代理对合并还原。
右侧的统计会分别给出行数、字符数与转换次数。编码方向的「转换个数」按字符计数:一个 emoji 算一次转换,尽管它输出了两个转义。解码方向的「还原个数」也按最终字符计数,一个合并后的 emoji 只算一次。其余计数分别对应格式不完整、码点非法和无法识别的片段,方便判断问题出在哪一类写法上。
常见的几种情况
结果里出现两个反斜杠
如果编码结果里看到 \\u4E2D,通常说明原文本身已经包含反斜杠,而工具按「ASCII 原样保留」的规则没有动它。另一种可能是同一段内容被不同环节各转义了一次,例如先转成 \u4E2D,又被当成普通文本整体再转一次,反斜杠就被再次保留。判断方法是解码一层后看是否仍是转义写法;修复要回到生成数据的那一步,而不是在工具里反复来回转换。
emoji 解码后只还原出一半
代理对只有在两个转义紧邻时才会合并。如果中间夹了空格、换行、引号或其他字符,高代理和低代理就会各被判定为孤立代理,工具会保留原文并计入「码点非法」。这类数据常见于被手工拼接或按字符截断的字符串。不要试图只保留其中一个转义,孤立的代理码元不能单独表示字符。
反斜杠路径被误当成转义
解码方向会把所有形如 \u 加四位十六进制的片段当作转义。如果一段 Windows 路径里恰好出现 \user 这样的目录名,其中 u 后面不是四位十六进制,工具会把它计为无法识别并原样保留,不会破坏路径。但像 \u005C 这种本来就是转义的片段,会被还原成反斜杠,这是预期行为。处理代码或路径时,请先确认内容是否真的使用了转义。
HTML 与 JSON 的规则不同
字符引用只在 HTML、XML 等标记语言里有效;把它放进 JSON 字符串,接收方看到的就是字面的 中,而不是「中」。反过来,\u4E2D 在 JSON 里是合法转义,在 HTML 正文里却只是普通文本。选择输出格式前,先确认内容最终放进哪种上下文。
使用限制与提醒
单次输入上限为 200,000 字符。超过上限时工具不会截断后继续转换,而是提示已超限并保留上一次的结果。超长文本建议用本地脚本处理,或先分段再粘贴。
编码时如果遇到孤立的代理码元,工具会原样保留并单独计数,而不是生成一个非法的字符引用。字符引用要求码点不超过 0x10FFFF,且不能落在 0xD800 至 0xDFFF 的代理区;解码时这类写法一律视为非法并保留原文。工具也不做 Unicode 规范化:有些字符看起来一样,实际码点不同(例如全角与半角、带组合符号的字母),转换不会自动合并它们。
本工具适合排查编码问题、准备示例文本和验证接口返回,不适合当作安全过滤或数据清洗环节。Unicode 转义不是加密,也不改变字符的含义;解码一段不可信内容后再直接拼进 HTML 或脚本,仍可能带来安全问题。