Unicode 转换器
在文本、Unicode 码点、转义序列之间相互转换,支持多种编码格式
输入内容
普通文本
转换结果将显示在这里
Unicode 码点 (十进制)
转换结果将显示在这里
Unicode 码点 (十六进制)
转换结果将显示在这里
JavaScript 转义序列
转换结果将显示在这里
使用技巧
• 输入普通文本时,会自动转换成各种格式的 Unicode 表示
• 输入码点时,支持十进制(如 65)和十六进制(如 41)格式
• 可以使用空格、逗号等分隔符输入多个码点
• 支持多种编程语言的转义序列格式
编码示例
常见字符的 Unicode 表示
A → 65 (十进制) → U+0041 (十六进制) → \u0041 (JavaScript) 中 → 20013 (十进制) → U+4E2D (十六进制) → \u4E2D (JavaScript) € → 8364 (十进制) → U+20AC (十六进制) → \u20AC (JavaScript)
编程语言格式对比
JavaScript: \u4F60\u597D Python: \u4F60\u597D 或 \U00004F60\U0000597D Java: \u4F60\u597D C/C++: \u4F60\u597D 或 \U00004F60\U0000597D
#Unicode 码点转换是什么?
Unicode 给世界上每个字符分配一个唯一编号,叫「码点」,书面写法是 U+ 加四位到六位十六进制: U+4E2D 就是汉字「中」,U+1F30D 是地球 Emoji 🌍,读作「U 加 4E2D」。 同一个码点又有十进制(20013)、十六进制(4E2D)和编程语言里的 \u 转义(\u4E2D)几种表达, 它们指向同一个字符。日志里出现 \uXXXX、接口返回一串数字码点、或要把文本转成转义序列写进代码时, 都需要在这些表示之间来回转换——本页输入任意一路,实时得到其余三路输出与每个字符的详情表。
#\u 转义序列在哪里用?
\uXXXX 是各编程语言通用的字符转义写法:JavaScript 字符串和 JSON 文件里最常见(JSON 规范只支持 \u,不支持 \U), Java 源码的资源文件、C/C++ 的宽字符串也用它。Python 同时认 \uXXXX 和八位 \UXXXXXXXX; 超出 BMP(U+10000 以上)的字符在 \uXXXX 四位写法里放不下,要用代理对(两个连续的 \uXXXX)或大写的 \U 写法。 实际场景包括:把接口返回的 \u 转义还原成中文阅读、排查 JSON 配置里的隐藏字符、 以及把中文写进只允许 ASCII 的旧系统配置时转成 \u 序列。
#UTF-8 与 UTF-16 有什么差别?为什么 Emoji 算两个码元?
UTF-8 是变长字节编码:ASCII 字符占 1 字节,汉字多数占 3 字节,Emoji 占 4 字节,与互联网兼容性好,是网页和存储的主流; UTF-16 用 16 位码元做单位:BMP 内字符(含常用汉字)1 个码元,之外的用高低代理对共 2 个码元。 所以 🌍 这类 Emoji 在 UTF-16 里是两个码元——JavaScript 的 length、charAt 按码元计数, '🌍'.length === 2 就是这么来的;要用 for...of 或 codePointAt 才能按真正的码点遍历。 这也是为什么按 charCodeAt 拆分 Emoji 会得到 U+D83C 这类「代理区」码点,拼接回去才还原字符。
#组合字符与 ZWJ Emoji 序列
「看起来是一个字符」不一定是一个码点:é 可以是一个预制码点 U+00E9,也可以是字母 e(U+0065)加组合重音符 U+0301, 后者叫组合字符序列,两种写法视觉相同但码点不同,比较字符串前通常先做 NFC 规范化。 复杂 Emoji 更是靠零宽连接符 ZWJ(U+200D)把多个基础 Emoji 拼成一个:👋 + ZWJ + 🏠 = 👋🏠(挥手的人), 家庭、国旗、职业类 Emoji 多是这种序列。判断「字符数」时先想清楚按字节、码元还是码点数, 三者在含中文和 Emoji 的文本里差异很大。
#常见问题 (FAQ)
乱码是怎么产生的?
绝大多数乱码是「编码与解码用了不同的字符集」:UTF-8 字节流被按 GBK 解读会变成「娴嬪搷」类天书,被按 Latin-1 解读则常见 é 这类重音符组合;反过来把 GBK 文本标成 UTF-8 传输就会丢成问号。修正方向是确认源头编码再统一转换,而不是反复转码——已经按错误编码存储的文本,部分字节会永久丢失,无法完全还原。
一个汉字对应几个码点?
常用汉字(如「中」「国」)都在 BMP 平面内,一个字就是一个码点(U+4E2D 这类);在 UTF-8 里占 3 字节、UTF-16 里占 1 个码元。而扩展 B 区之后的生僻字(如「𠀀」、部分人名用字)在 U+20000 以上,一个字仍是一个码点,但 UTF-8 占 4 字节、UTF-16 要用一对代理码元,JavaScript 里 length 会数成 2。以 codePointAt / for...of 按「字」处理最可靠。
怎么把 \u 转义序列转回中文?
把 \u 开头的文本粘进本页,输入格式选「JavaScript 转义」,普通文本输出栏即是还原后的中文;Python 的 \UXXXXXXXX 八位写法同样支持。代码里也可以用 JSON.parse('"\\u4F60\\u597D"') 或正则逐个把 \\u([0-9a-fA-F]{4}) 替换成 String.fromCodePoint(parseInt(m, 16)) 来还原。注意四位 \uXXXX 遇到 Emoji 这类增补平面字符时是两个连续转义,要按代理对成对解析。
相关工具推荐
UTF-8编码转换
支持UTF-8、UTF-16、UTF-32之间的编码转换,实时显示字节数组和编码详情
Base58编码
Base58编码与解码,用于比特币地址和短链接服务
摩尔斯电码工具
文本与摩尔斯电码相互转换,支持播放电码声音
Base64编码
文本或图片一键编码为Base64字符串,适配Data URI内联场景,编码全程本地完成
二维码生成
输入文字或链接即刻生成二维码,尺寸与容错等级可调,图片支持本地导出下载
多编码转换工具
支持Base32、Base58、Base62等多种编码格式的相互转换