CI

字符信息查询

一个字符的码位、字节、实体、转义,一次全给

按 Unicode 码位计数,一个 emoji 算 1 个字符。不可见字符(零宽空格、BOM、不间断空格)会在这里现形。

如何使用本工具

  1. 把要查的文本粘进左上文本框,表格会立刻逐字符展开。
  2. 每行给出这个字符的 Unicode 码位、十进制值、UTF-8 字节序列和 UTF-16 编码单元。
  3. 需要写进 HTML 就抄 HTML 实体列,写进 CSS 用 CSS 转义列,写进 JS 用 JS 转义列。
  4. 顶部标签显示字符数、去重数、UTF-8 总字节数,以及有没有混进不可见字符。
  5. 点「清掉不可见字符」可以一键删掉零宽空格、BOM 和控制字符,粘贴来的脏文本先用它过一遍。

常见问题

Q:一个汉字到底是几个字节?

A:看编码。UTF-8 里常用汉字是 3 字节(中文 U+4E2D → E4 B8 AD),UTF-16 是 2 字节,GBK 也是 2 字节。emoji 在 UTF-8 里是 4 字节,UTF-16 里要 2 个编码单元(代理对 4 字节)。所以「字数」和「字节数」永远不是一回事。

Q:为什么 emoji 在 JS 里 length 是 2?

A:JavaScript 字符串是 UTF-16,码位超过 U+FFFF 的字符要用一对代理项表示(高位 D800-DBFF 加低位 DC00-DFFF)。'😀'.length 得到 2 就是这个原因。要按真实字符数数,用 Array.from(str).length 或展开运算符。

Q:零宽空格有什么用,为什么要清掉?

A:U+200B 零宽空格常被用来在长 URL 里制造换行机会,或者被复制粘贴带进代码。它看不见但会让字符串比较失败、JSON 解析报错、正则匹配不上。BOM(U+FEFF)出现在文件头之外的任何位置都是污染,必须删。

Q:HTML 实体一定要用命名的吗?

A:不一定。中 和 中 与命名实体等价,浏览器都认。命名实体可读性好,但只有两千多个;数字实体能表示任意码位,生成代码时用数字实体更省心。注意 & 这类必须转义,否则会被当成实体开头。

Q:CSS 转义为什么要带一个空格?

A:CSS 的 \4E2D 后面如果紧跟十六进制字符(0-9a-f),会被当成同一个码位继续读。加一个空格表示转义结束,浏览器会吃掉这个空格。所以 content: "\4E2D " 渲染出来只有「中」一个字。

Q:UTF-8 里的 BOM 是什么?

A:UTF-8 的 BOM 是 EF BB BF,本来用于标识字节序,但 UTF-8 没有字节序问题,浏览器会把它当零宽不换行空格处理。文件带 BOM 会让 PHP 输出多几个字节导致 header 报错,也会让 JSON.parse 直接失败,编辑器里建议一律存成无 BOM。