什么是文本编码探索器 — Unicode、UTF-8、UTF-16 字节检查工具?
文本编码字节探索器用于逐字符剖析文本在 Unicode 标准下的码点(Code Point)以及在 UTF-8 和 UTF-16 编码格式下的底层字节序列。UTF-8 使用 1 至 4 个字节变长编码字符,是 Web 与 Linux 的主流标准;UTF-16 使用 2 或 4 个字节,是 JavaScript 与 Windows 的内部表示。通过对比十六进制字节转储视图,你可以直观排查乱码与多字节截断问题。
如何使用文本编码探索器 — Unicode、UTF-8、UTF-16 字节检查工具
- 1先填写“Text to explore”中的必要内容。
- 2按需修改选项或补充输入,结果会随着页面状态自动更新。
- 3检查结果区域中的输出。
文本编码探索器 — Unicode、UTF-8、UTF-16 字节检查工具的常见使用场景
排查跨系统乱码(Mojibake)与字节截断
逐字节检视字符串在 UTF-8 与 UTF-16 下的十六进制、十进制与二进制编码序列,定位字符乱码根源。
分析中日韩汉字与 Emoji 的多字节结构
直观对比 ASCII 单字节字符、UTF-8 三字节汉字以及由 UTF-16 代理对(Surrogate Pairs)组成的四字节 Emoji。
精准核算数据库字段与网络协议字节开销
对比同一段多语言文本在字符数(Code Points)、UTF-16 代码单元(JavaScript .length)与 UTF-8 实际字节数之间的差异。
常见问题
UTF-8 和 UTF-16 在字节占用上有什么核心区别?
UTF-8 是变长编码(1–4 字节),纯英文 ASCII 仅占 1 字节,常用汉字占 3 字节;UTF-16 对基本多文种平面(BMP)字符固定占 2 字节,辅助平面字符(如大部分 Emoji)占 4 字节。
为什么一个 Emoji 在 JavaScript 里 .length 显示为 2,而在 UTF-8 里占 4 个字节?
因为码点大于 U+FFFF 的 Emoji 在 JavaScript 内部采用的 UTF-16 编码中由两个 16 位代理代码单元(Surrogate Pair)表示,故 .length 为 2;而在 UTF-8 中它被编码为 4 个连续字节。