Restring

Unicodeインスペクタ

入力文字をUnicodeコードポイント単位で解析するインスペクタ。文字化け、異体字、絵文字、不可視文字の正体をコード表現から確認できる。

使い方

  1. 調べたい文字列を入力する。
  2. 各文字のコードポイント、UTF-8、UTF-16、UTF-32を確認する。
  3. 文字化け、異体字、不可視文字の調査に使う。

Unicodeインスペクタ

AU+0041U+0041UTF-8 41UTF-16 0041UTF-32 00000041Basic Latin
あU+3042U+3042UTF-8 E3 81 82UTF-16 3042UTF-32 00003042Hiragana
😀U+1F600U+1F600UTF-8 F0 9F 98 80UTF-16 D83D DE00UTF-32 0001F600Emoticons

こんな用途に

  • 文字化け、異体字、絵文字の正体を調べたいとき。
  • 同じ見た目の文字が同一コードポイントか確認したいとき。
  • UTF-8、UTF-16、UTF-32の表現を見たいとき。

仕組み

  • 入力をUnicodeコードポイント単位で分解。
  • 各文字をUTF表現へ変換し、代表的なUnicodeブロック名と併せて表示。

確認ポイント

  • 見た目が同じでもコードポイントが違う文字は検索や比較で一致しないことがある。
  • 不可視文字の混入調査は不可視文字ビューアと併用すると見つけやすい。

手元でやるには

コードポイントと文字名を表示

必要環境: Python 3
python3 -c 'import sys,unicodedata; [print(f"{c}\tU+{ord(c):04X}\t{unicodedata.name(c, "UNKNOWN")}") for c in sys.stdin.read()]'

関連ツール

不可視文字ビューアスペース、タブ、CR、LF、NBSP、ゼロ幅スペースを可視化。HTMLエスケープHTML特殊文字（&・<・>・引用符）をオンラインでエスケープ・アンエスケープ。コード例やテンプレート作成、表示崩れ調査に。テキスト正規化前後空白削除、連続スペース圧縮、Unicode正規化、改行統一。

よくある質問

コードポイントとは？

Unicodeが各文字へ割り当てた番号。U+3042のような形式で表す。

UTF-8とUTF-16は何が違う？

同じUnicode文字を保存・通信するための符号化方式が違う。必要なバイト数も変わる。