Unicode検索

ステップ 1 / 2

文字

文字を検索

謎の文字を入れてください。ユーザーが貼り付けた奇妙な空白、フォントプレビューのグリフ、正規表現を壊す絵文字など、すると検索はそのUnicodeコードポイント（U+XXXX）と16進数での生のUTF-8バイトを、1文字につき1行で返します。

Unicode文字を特定する方法

1

文字を貼り付け

1つのグリフでも文字列全体でも貼り付けられます：各文字が順番に分析されます。
2

コードポイントを読む

正規のU+表記を、大文字で少なくとも4桁までゼロ埋めして取得します。
3

UTF-8バイトを調べる

その文字がディスクや通信路で占める1〜4バイトのシーケンスを確認します。
4

結果をコピー

出力はCSV形式の表（文字、コードポイント、UTF-8バイト）で、表計算ソフトやバグ報告に選択して貼り付けられます。

検索でできる典型的な探偵仕事

ほとんどのUnicodeのバグは画面上で同じに見えます。通常のスペースをノーブレークスペースから、丸いアポストロフィをプライムから見分ける唯一の方法は、コードポイントを調べることです。

検索が解決するよくある落とし穴

見た目	実際は	コードポイント
スペース	ノーブレークスペース	U+00A0
スペース	狭いノーブレークスペース	U+202F
（なし）	ゼロ幅スペース	U+200B
（なし）	ゼロ幅接合子	U+200D
アポストロフィ	右シングルクォーテーション	U+2019
アポストロフィ	プライム（フィート/分）	U+2032
ハイフン	エンダッシュ	U+2013
ハイフン	改行しないハイフン	U+2011

UTF-8バイトレイアウトひと目で

1バイト、ASCII、U+0000 から U+007F（0xxxxxxx）
2バイト、ラテン補助、アラビア、ヘブライ（110xxxxx 10xxxxxx）
3バイト、CJK、ほとんどの記号（1110xxxx 10xxxxxx 10xxxxxx）
4バイト、絵文字、まれな文字体系（11110xxx 10xxxxxx 10xxxxxx 10xxxxxx）

データベースの列が固定バイト長の場合、4バイトの絵文字は1つのグリフとしてレンダリングされても4つの枠を消費します、切り詰めバグのよくある原因です。

よくある質問

通常はファイル先頭のBOMマーカー（U+FEFF）か、ワープロからの迷子のゼロ幅接合子です。1つを検索に貼り付ければすぐに教えてくれます。それから単純な検索・置換で取り除けます。

はい。検索は文字ごとに反復処理するので、単語全体は1文字ごとに1行を、そのコードポイントとUTF-8バイトとともに生成します。

コードポイントは文字の抽象的な同一性です、U+00E9はどこに保存しても常に「é」です。UTF-8はコードポイントをバイトに変える複数のエンコードの1つです。同じ「é」はUTF-8では2バイト C3 A9 ですが、Latin-1では単一バイト E9 です。

はい。検索は当社のサーバーで計算されます。貼り付けた文字が送信されて解析され、コードポイントとUTF-8バイトがすぐに返されます。送信されたテキストは保存しません。

関連ツール

このツールは他の言語でも利用できます