Unicode 转义与反转义工具

使用方法

1. 「输入」文本框在服务端直出了示例 柳泉 A，打开页面即有一组现成数据；可以整段替换成自己的文字，中文、英文、emoji 都能放进去。
2. 「方向」选转义或反转义。转义把普通文字变成可打印的编码写法；反转义把编码写法还原成文字。
3. 「写法」在转义方向下三选一：反斜杠 u 加四位十六进制、反斜杠 u 加大括号写码点、反斜杠 x 加两位十六进制。选反斜杠 x 时，凡是超出 U+00FF 的字符都会自动降级成反斜杠 u 写法，页面对此单独说明。
4. 在文本框里按 Ctrl 加回车触发生成；单独按回车只换行，方便一次录入多行文本。
5. 结果区上方六个卡片给出码元数、码点数、UTF-8 字节数、方向、输入与输出长度；下方蓝色提示说明本次是否发生了降级或走的是哪一种写法。
6. 「复制输出」取走结果全文，「复制对照表」取走下方常见字符编码表（制表符分隔），「导出 CSV」下载带 UTF-8 BOM 的文件，可直接用表格软件打开。

这个Unicode转义反转义工具能解决什么问题

程序里到处需要把「看不见的字符」写成「看得见的几个字母」。这段代码里的中文在源码里显示成乱码、日志里要核对某个字符到底是哪一个、配置文件不允许直接写中文、或者接口返回的一串编码要还原成原文，都要在文字与 Unicode 转义写法之间来回换。本页把这些换算集中到一处，转义与反转义共用同一个输入框，方向一切就换。

它同时也是一张对照表生成器。同一个汉字可以有四位写法、码点写法、反斜杠 x 写法等多种表示，页面的常见字符表把它们并排列出，省去逐个数十六进制。凡遇到「这串编码到底是不是我想要的字符」，先转一遍再对照即可。

计算原理与变量说明

三件事要先分清：码元、码点与字节不是一回事。JavaScript 字符串按 UTF-16 存放，长度属性数的是码元；一个码点可能占一个码元（BMP 内）也可能占两个（增补平面）；而 UTF-8 字节数又是另一套数法，一个汉字 3 字节、一个 emoji 4 字节。示例 柳泉 A 的四位写法是 \u67f3\u6cc9\u0020\u0041，它正好四个码元、四个码点、八个 UTF-8 字节——因为四个字符都落在 BMP 内、都不需要代理项。

• 四位写法（反斜杠 u 加四位十六进制）：只表示 BMP，也就是 U+0000 到 U+FFFF。每一位固定四位，不足前面补零，例如空格是 0020、字母 A 是 0041、汉字柳是 67f3。
• 码点写法（反斜杠 u 加大括号）：花括号里放 1 到 6 位十六进制，直接写码点，不做零填充。示例得到 \u{67f3}\u{6cc9}\u{20}\u{41}，可以看到 20 与 41 没有补零。
• 两位写法（反斜杠 x 加两位十六进制）：只覆盖 U+0000 到 U+00FF。示例里空格与字母 A 写成 \x20\x41，而柳与泉因超出范围被降级，整串变成 \u67f3\u6cc9\x20\x41。
• 反转义：从头扫描，遇到反斜杠先看后一个字符是 u 还是 x。是 u 且紧跟大括号就按码点读最多 6 位十六进制，否则按四位读；是 x 就读两位。读不够位数、读到非法字符或出现孤立代理项时立刻停下并说明原因，不会静默跳过。

为什么四位写法装不下 emoji。四位写法只有 16 位空间，最多表示 U+FFFF，而 emoji 这类增补平面字符的码点都大于 U+FFFF，例如笑脸 U+1F600。UTF-16 用一对 16 位的代理项来表示它们：高于 0xFFFF 的码点先减去 0x10000，高 10 位加上 0xD800 得高位代理项，低 10 位加上 0xDC00 得低位代理项。于是这个笑脸在四位写法下变成一对 \ud83d\ude00，在码点写法下则是一段 \u{1f600}。要正确还原，浏览器里的字符串长度属性算的是两个码元，需要按码点遍历才不会把一个 emoji 拆成两半。

花括号写法是 ES6 才有。反斜杠 u 加大括号的写法在 ECMAScript 2015 之后才被正式支持，在更早的环境或某些构建工具链里会被当成普通字符或直接报错。它比四位写法更直观的地方在于：码点想写多少位就写多少位，还能直接表示增补平面字符，不必手工换算代理项。

反斜杠 x 为什么会降级。两位写法为了压短长度只留了两个十六进制位，能覆盖的最大码点就是 U+00FF，也就是 Latin-1 的范围。汉字的最低码点也远高于它，所以遇到中文必然无法表示。页面没有选择静默丢弃或乱码，而是按「能短则短、不能短就退回四位」的规则处理：范围内的字符用两位，超出范围的一律改用四位写法，并在提示里告诉你有多少个字符发生了降级。这也是为什么示例里同一个空格与字母 A 用的是两位、柳与泉用的是四位。

孤立代理项是什么。代理项区间 U+D800 到 U+DFFF 在 UTF-16 里本来不表示任何字符，它们只在成对出现时才拼出一个增补平面字符。如果反转义时读到单独的一个代理项码点，比如只有高位没有低位，那它无法组成有效字符，页面会提示「孤立的代理项无法转成字符」并停下。同样地，码点写法里若给出大于 U+10FFFF 的值也非法，因为 UTF-16 最多编码到 U+10FFFF，这是这套编码的历史上限。

完整示例（数值仅作演示）

输入 柳泉 A，三种写法的输出如下，均由页面自身的算法算出，可与工具区结果逐字符核对。

• 四位写法：\u67f3\u6cc9\u0020\u0041。四个字符各占一个四位写法，空格补零成 0020、字母 A 补零成 0041。
• 码点写法：\u{67f3}\u{6cc9}\u{20}\u{41}。同样四个字符，但 20 与 41 不再补零，长度更短。
• 两位写法：\u67f3\u6cc9\x20\x41。空格与字母 A 落在 U+00FF 内用两位，柳与泉超出范围降级为四位。
• 把上面任意一串粘回输入框、方向切到反转义，都会还原成 柳泉 A；其中两位写法里混着四位与两位两种形态，反转义同样能识别，说明解析是按出现的形态逐个判读的，不要求整串统一。
• 再加一个 emoji 验证代理项：输入单个笑脸（码点 U+1F600），四位写法给出 \ud83d\ude00，码点写法给出 \u{1f600}；把它还原时，四位写法的那两个代理项会被重新拼回同一个字符。

示例里的中文、空格与字母均为演示，用来对照三种写法的差别。

写法对比与常见字符编码表

下表并列三种转义写法与几种常被提到的同类记法，说明各自能表示的范围与适用语言。

下表列出常见字符的码点、两种写法与 UTF-8 字节数；两位写法仅对落在 U+00FF 以内的字符成立，超出的会降级为四位写法。后四行默认折叠，点「加载更多」展开。

下表把几个字符用码元、码点与 UTF-8 字节三种口径并列，用来解释它们为什么常常对不上。

结果边界、舍入与适用说明

• 反转义时，反斜杠 u 后不足四位会提示「转义序列不完整」，不会猜补零；大括号内出现孤立代理项（U+D800~U+DFFF）会提示无法转成有效字符。
• 码点写法里的数值超过 U+10FFFF 视为非法，因为 UTF-16 最多编码到这个上限。
• 转义方向选两位写法时，超出 U+00FF 的字符自动降级为四位写法，页面会在结果下方报告降级的字符个数。
• 转义不改变字符本身，只改变表示形式；反转义是它的逆运算，但只认本页支持的这几种写法，遇到未知转义一律原样保留。
• 示例中的十六进制统一用小写字母；大写写法在反转义时同样能识别。码点写法是 ES6 之后的语法，交给老环境可能解析失败。
• 所有换算在当前浏览器本地完成，输入与结果都不会上传到服务器。

常见问题

相关工具

• URL 编码：把文字按 UTF-8 字节转成百分号编码。
• Base64 编码：把字节流换成可打印的 Base64 文本。
• 文本转二进制：把文字换成 0 与 1 的字节串。
• Base64 解码：把 Base64 文本还原成原始内容。
• MD5 加密：生成 32 位十六进制摘要。
• 编码解码：查看全部编码解码工具。