Inspector de Caracteres Unicode

Pega cualquier texto — un archivo Markdown, una expresión regular, una cadena JSON, una línea de código — y observa cada punto de código desglosado: U+XXXX, decimal, bytes UTF-8, unidades UTF-16, formas de escape de JavaScript y Python, nombres de entidades HTML, categoría general, bloque Unicode en el que vive y una lista de lookalikes visuales. En vivo, en tu navegador, sin subir nada.

—
Puntos de código — haz clic en una celda para copiar su U+XXXX
Detalle — haz clic en un punto de código arriba para enfocar una fila
# Carácter U+XXXX Decimal Categoría Bloque UTF-8 UTF-16 JS HTML Lookalikes

Frecuencia
Carácter U+XXXX Cuenta %
Cómo funciona la inspección Unicode
  • Punto de código — la unidad atómica de Unicode. Un punto de código se identifica por su código U+XXXX y un valor decimal. La mayoría caben en 16 bits (el BMP); el resto (p. ej. la mayoría de los emoji, alfanuméricos matemáticos, escrituras históricas) vive en los planos suplementarios y necesita un par surrogado en UTF-16 y 4 bytes en UTF-8.
  • UTF-8 — 1 byte para U+0000…U+007F, 2 bytes hasta U+07FF, 3 bytes hasta U+FFFF, 4 bytes para el resto. La codificación se auto-sincroniza: siempre puedes encontrar el siguiente carácter desde cualquier byte.
  • Escape de JavaScript — \uXXXX para el BMP, \u{XXXX} para fuera del BMP (solo en JS moderno). Los caracteres de control y algunos especiales tienen su propio escape (\t \n \r \\ \' \" \0).
  • Escape de Python — \uXXXX para el BMP, \UXXXXXXXX (8 dígitos hex) para fuera del BMP.
  • Entidad HTML — si el punto de código tiene una entidad con nombre HTML5 (p. ej. — para U+2014), se muestra. Siempre disponibles: &#decimal; y &#xHEX;.
  • Categoría — la categoría general Unicode de dos letras. Lu = letra mayúscula, Ll = minúscula, Lo = otra letra (CJK, cirílica, etc.), Mn = marca de combinación, Zs = espacio, Po = puntuación, So = símbolo, Nd = dígito decimal.
  • Bloque — el rango nombrado donde vive el punto de código. CJK Unified Ideographs (U+4E00…U+9FFF) es un bloque; Puntuación general (U+2000…U+206F) es otro.
  • Lookalikes — caracteres que comparten la misma forma visual pero viven en bloques diferentes (raya / guion corto / menos / guion; comillas tipográficas vs. rectas; O latina vs. cirílica, etc.). Útil para detectar ataques homoglíficos y sustituciones accidentales al copiar y pegar.
  • El índice en la tabla de detalle es el índice de punto de código (basado en 1), no la longitud de la cadena en JavaScript (unidades de código UTF-16). Un emoji con par surrogado es un punto de código en un índice, pero dos unidades UTF-16.
  • Nada sale del navegador. Todo se ejecuta en la página; sin llamadas de red tras la carga inicial.