T工具箱
U+

Unicode 转换

文本与 Unicode 码点互转

关于此工具

统一码(Unicode,万国码,国际标准 ISO/IEC 10646)是计算机科学领域为世界上所有文字系统的每一个字符设定的全球唯一数字标识(Code Point 码点)。在日常跨平台通信、中文字符转义、防范接口乱码、JavaScript 源码防混淆审查以及网络爬虫数据还原中,经常会遇到形如 `\u4e2d\u6587`(Java/JS 转义序列)、`U+4E2D`(十六进制码点)或 `中`(数字实体)等不同表示法。本工具提供纯前端全格式 Unicode 与人类可读字符双向极速转换与码点深析。

如何使用本工具(操作步骤)

1

输入普通文本或 Unicode 编码字符

在输入编辑区中输入人类可读的汉字、Emoji 或外文,亦可直接粘贴含有 `\uXXXX` 的待还原密文字符串。

2

挑选转码模式与输出格式

选择「文本转 Unicode」(支持标准 `\u` 转义、`U+` 码点或 CSS `\` 格式)或选择「Unicode 解码为可读文本」。

3

查看码点明细并一键复制代码

右侧即刻实时同步渲染转换结果,并提供单个字符的 UTF-8/UTF-16 字节分解明细,满意后一键复制结果。

支持全套现代国际标准 Unicode 转义语法

全面支持 JavaScript/Java/Python 标配的 `\uXXXX`、C/C++ 专用的 `\UXXXXXXXX`、以及现代 ES6 的 `\u{XXXXX}` 大码点语法。

完美适配超越 BMP 基本平面的大码点字符

完美处理超出 16 位的增补平面字符(如复杂的生僻汉字、Emoji 表情 🚀、古埃及象形文字),绝不产生代理对拆分乱码。

纯本地离线计算,敏感文本零泄露

所有码点计算与字符串解析在本地浏览器内存中进行,内部算法代码与私密文本绝不向任何外部远程服务器上传。

Unicode 与 UTF-8 区别常识及乱码避坑指南

  • •厘清“Unicode 码点”与“UTF-8 编码”的本质区别:Unicode 是一个抽象的“字符字典符号表(给每个字符分配一个身份证号,如‘中’是 U+4E2D)”;而 UTF-8 是具体的“物理存储传输方案(规定这个号在硬盘上占 3 个字节还是 4 个字节)”。两者绝不是同一个概念!
  • •爬虫遇到 `\uXXXX` 乱码时的解密技巧:很多反爬虫网站故意在 JSON 中把中文字符转义为 `\u4e2d` 来阻止正则抓取。在 Python 中直接使用 `text.encode('utf-8').decode('unicode_escape')` 即可一秒将乱码还原为大白话中文!
  • •警惕 JavaScript 的 16 位 UTF-16 长度假象:在 JS 中,普通的字码长占用 1 个 length;但如果是一个 Emoji(如 `🚀`,码点 U+1F680)或生僻字,它是由两个代理对(Surrogate Pair)拼成的,`"🚀".length` 会诡异地返回 2!统计字符时务必使用 `Array.from(str).length`。

代码与转换对比示例

经典中文词汇在各语言 Unicode 转义语法下的表示对照

原始输入汉字
世界你好
各规范下的 Unicode 转义表示
• JavaScript / Java 格式 : \u4e16\u754c\u4f60\u597d
• 国际标准码点表示       : U+4E16 U+754C U+4F60 U+597D
• HTML 数字十进制实体    : 世界你好
• CSS 伪类 content 转义  : \4E16\754C\4F60\597D

* 十六进制码点中,4E16 对应“世”,754C 对应“界”,4F60 对应“你”,597D 对应“好”。

JavaScript 原生实现 Unicode 相互转换核心代码

文本转 \uXXXX 字符串
function toUnicode(str) {
  return str.split('').map(c => {
    const hex = c.charCodeAt(0).toString(16).padStart(4, '0');
    return '\\u' + hex;
  }).join('');
}
\uXXXX 还原为可读中文
function fromUnicode(str) {
  return unescape(str.replace(/\\u/g, '%u'));
}
console.log(fromUnicode("\\u4e16\\u754c")); // 输出: "世界"

* 对于现代 ES6 环境,建议使用 `String.fromCodePoint()` 处理超过 16 位的生僻字。

常见问题解答

Q: 为什么古代一个汉字占 2 个字节,现代 UTF-8 却占 3 个字节?

A: 古代 GBK/GB2312 编码是专门针对中文字符设计的双字节定长编码(占 2 字节);而国际通用的 UTF-8 是变长编码体系:ASCII 占 1 字节,欧洲字母占 2 字节,常用中日韩汉字(位于三字节区间)统一占用 3 字节,Emoji 占用 4 字节。

Q: 现代 ES6 的大括号转义语法 `\u{1F680}` 是怎么回事?

A: 在 ES6 之前,`\u` 后面只能严格跟 4 位十六进制数字(最大只能到 `\uFFFF`)。为了表示超出 65535 的大码点字符,ES6 引入了带大括号的语法(如 `\u{1F680}` 代替冗长的代理对 `\uD83D\uDE80`),代码更精简直观。

Q: 纯文本中包含全角符号可以一键转成对应字符吗?

A: 完全可以。全角字符(如全角逗号 `,`)在 Unicode 中拥有完全独立的专有码点(U+FF0C)。通过本工具可清晰洞察任何特殊字符背后的真实码点数值。

相关推荐工具

所有处理都在你的浏览器本地完成,数据不会上传到服务器。
/