Unicode 转换

如何使用Unicode 转换

关于Unicode 转换的常见问题

Unicode 转换会上传我粘贴的文字吗？

不会，Unicode 在线转换不上传任何内容。所有转换都在你的浏览器里用 JavaScript 完成，粘贴的文本、上传的文件内容与转换结果都不会发送到任何服务器，关闭页面即清除。本页只把方向、写法、范围这几项参数偏好写进本机 localStorage，原文与结果一个字都不落盘，也不会把文本同步到网址里。想自证很简单：打开 F12 的网络面板再转一次，计算过程零请求，断开网络照样出结果（页面本身会加载一个访问统计脚本，它不读取也不上报你粘贴的内容）。

\u4e2d 是什么意思？怎么转成中文？

\u4e2d 是一个 Unicode 转义序列：反斜杠 u 后面的 4e2d 是十六进制写的码点，对应的字符正是汉字「中」。它常出现在 JSON、Java 源码、日志和接口返回里，因为这些地方只想存 ASCII 字符。要还原，把整段文本粘进本页、点「一键还原中文」即可，\u4e2d、\u{1f600}、文、U+4E00、%u5b57 混在一起也能同时认出来，其余字符原样不动。

Python 的中文变成 \u5b57 了怎么还原？

那是 json.dumps 的默认参数 ensure_ascii=True 造成的：它把所有非 ASCII 字符都写成 \uXXXX 转义，JSON 本身没有损坏，中文也没有丢，只是换了种写法。要在代码里避免，把参数改成 ensure_ascii=False 即可；要还原手上已有的文件或日志，把内容粘进本页选「一键还原中文」，一次全部转回来。反过来，如果你需要生成这种「纯 ASCII 的 JSON」交给只认 ASCII 的老系统，用本页默认的「JSON 中文转义」预设就是同一个口径。

emoji 转 \u 编码为什么变成两段代理对？

因为 \uXXXX 写的是 UTF-16 码元，只能表示到 U+FFFF。😀 的码点是 U+1F600，超出了这个范围，就必须拆成「代理对」两段码元来写，页面上方的对照表里那一行给的就是它，这是规范行为不是工具出错。想要一段的写法，选 \u{1f600}（ES6 / Rust / Swift）或 \U0001f600（Python / C），它们写的是码点而不是码元。本页解码时会自动把两段代理合并回一个 emoji；如果只出现了半个（比如日志被从代理对中间截断），本页会原样保留并在问题列表里点名，绝不会悄悄变成问号。

U+4E2D 和 \u4e2d、中 有什么区别？

三者指的是同一个字符「中」，区别只在写法出处：U+4E2D 是 Unicode 标准与文档里的记法，\u4e2d 是 JS / Java / JSON 源码里的转义，中 是 HTML / XML 的数值字符引用。选哪种取决于你要把它贴到哪里——贴进源码用 \u，贴进网页用 &#x，写文档提 issue 用 U+。本页正文的对照表把 10 种写法并排列出，同一个「中」和同一个 😀 各给一列，照着挑就行。

%u4E2D 和 %E4%B8%AD 有什么区别？

长得像，但完全是两回事。%u4E2D 是旧式 JavaScript escape() 留下的写法，百分号后面跟的是 UTF-16 码元；%E4%B8%AD 是 URL 百分号编码，跟的是 UTF-8 字节，一个汉字三段。本页只处理前者，遇到后者会明确提示并指向「URL 编码/解码」工具，而不会给你一个看起来解开了其实全错的结果——把 %E4%B8%AD 按码元硬解会得到 中 这种乱码，比直接报错危险得多。

怎么查一个汉字的 Unicode 码点和字节？

把字符粘进输入框，下方的「字符档案」会逐字给出码点（如 U+4E2D）、十进制（20013）、UTF-8 字节（E4 B8 AD）、UTF-16 码元（4E2D）、所在平面与常用区块名，以及这个字符在 10 种记法下分别怎么写。整表可以复制成 TSV 直接贴进 Excel。档案按首次出现顺序去重，默认只对前 200 个不重复字符建档，所以粘一整篇文章也不会卡。

字符串看起来一样却不相等，怎么用 Unicode 查？

多半是中间藏了看不见的字符。用「揪出不可见字符」预设：零宽空格、零宽连接符、不换行空格、方向控制符、变体选择符会被转成 \u200b、\u00a0 这样的写法显形出来，一眼就能看到多出来的是什么、在第几行第几列，而中文和英文一个字都不会动。本页只让它们现形、不替你删；要清掉请用「富文本清理」。这也是从网页或 PDF 复制来的字符串在 Excel 里查不到、在代码里匹配不上的头号原因。

Unicode 转换和 JSON 转义、URL 编码的区别？

层次不同，同一段中文在四个工具里会得到四种完全不同的结果。本页处理的是「字符与它的码点写法」；JSON 格式化里的转义处理的是引号、反斜杠与控制字符的语法安全，它不会动中文；URL 编码把 UTF-8 字节写成 %E4%B8%AD；Base64 把任意字节重编成 64 个 ASCII 字符。四个工具各自独立、可以按需组合，本页只管码点这一层，绝不越界替你做另外三件事。

Unicode 转换能只转中文、保留英文吗？

可以，这正是默认行为。「只转非 ASCII」会保留全部英文字母、数字和半角标点，只把中文、日韩文、emoji、全角标点转成转义码，所以 JSON 的结构、键名和缩进依然清清楚楚。想更精确还能选「只转汉字」（标点和 emoji 保持可读）或「只转不可见字符」；真要逐字转就选「全部字符」，此时真实换行默认仍然保留，可以手动关掉换成 \u000a。

Unicode 在线转换有字数限制吗？免费吗？

完全免费、无需注册、不限次数。建议单次 10 MB 或 500 万字以内；超过 20 万字会自动切换成「点按钮 + 进度条 + 可随时取消」的分片计算模式，避免长文本把页面卡住；真的超过 500 万字上限会明确告诉你已处理到哪里，不会静默丢内容。结果超过 5000 行时文本框只渲染前 5000 行做预览，但复制和下载拿到的始终是完整数据。

Unicode 解不开的片段会变成问号吗？

不会，这是本工具的一条硬规矩。孤立的半个代理（emoji 转义被从中间截断只剩前一半）、超出 U+10FFFF 的码点、缺结尾分号的实体、& 这类命名实体、%XX 形式的 URL 编码、\q 这类未知转义，一律原样保留，并在「解不开的片段」列表里给出行号、列号、原文与原因。绝不会用 � 替换字符把错误糊过去——那会让你拿着一段悄悄坏掉的文本走，比报错糟得多。

Unicode 转换：同一个字的 10 种写法对照表

这十种写法覆盖的就是大家常说的那几件事：中文转 \u 编码与 \u 转中文（\u4e2d 与「中」互换）、u+ 编码转换（U+4E2D 这种 标准写法）、字符转 Unicode 码，以及反过来的 Unicode 码点查询。换个方向就是换一栏， 不用换页。

「Unicode 转换」之所以让人困惑，是因为同一个字符在不同语言里有完全不同的写法，而它们 指的其实是同一个码点。下面这张表用汉字「中」（码点 U+4E2D）和 emoji「😀」（码点 U+1F600）各走一遍 10 种记法——注意看 😀 那一列，有的记法一段就够，有的必须写成两段。

表里两处最容易被当成 bug 的地方，其实都是规范要求的：一是 CSS 那行末尾多出来的空格， 它是转义序列的终止符，删掉之后后面紧跟的十六进制字符会被吞进转义里；二是 %uXXXX 与 U+XXXX 恒用大写，前者是浏览器 escape() 的原样输出，后者是 Unicode 标准的写法，所以 本页的「十六进制用大写」开关对这两种记法不起作用。

码点、UTF-8、UTF-16 到底是什么关系

这一节顺带回答三个常被单独搜的问题：UTF-8 字节查询（一个汉字在 UTF-8 下是哪三个字节）、 emoji unicode 码为什么要两个 UTF-16 码元，以及什么叫孤立代理对——一个高位代理没等到 它的低位搭档，字符串就断在半路。英文资料里这类工具叫 utf16 code unit converter。

这一段能解释本页 90% 的困惑。码点是字符的身份证号：「中」就是 U+4E2D，全世界只有一个，和存储方式无关。UTF-8 是把码点存成字节的一种方案：「中」在 UTF-8 下是 E4 B8 AD 三个字节。UTF-16 是另一种方案：「中」 在 UTF-16 下是 4E2D 一个码元。三者说的是同一个字符的三种身份。

关键在最后一行：\uXXXX 写的是 UTF-16 码元，不是码点。码元只有 16 位， 最大表示到 U+FFFF，而 😀 的码点是 U+1F600，装不下，于是 UTF-16 用两个特殊范围的码元 （D800–DBFF 与 DC00–DFFF，称作「代理对」）合起来表示它——这就是一个 emoji 要写两段\ud83d\ude00 的全部原因。反过来，😀、U+1F600、\u{1f600} 写的都是码点， 所以只要一段。理解了这一条，你就能自己判断某个转义写法该有几段。

这套拆法可以自己验算，四步就够（以 😀、码点 U+1F600 为例）：第一步减去 0x10000，得 0xF600，也就是十进制的 62976；第二步取它的高 10 位，62976 ÷ 1024 向下取整是 61，加上 起点 0xD800 得到 0xD83D；第三步取低 10 位，62976 − 61 × 1024 = 512， 加上起点 0xDC00 得到 0xDE00；第四步把两段拼起来，正是上表最后一行的\ud83d\ude00。凡是码点在 U+10000 以上的字符都走这套算术——emoji、𠮷（U+20BB7）这类扩展区 生僻字都在其内，所以它们的 \uXXXX 写法必然是两段；而「中」落在 U+FFFF 以内，永远只有 一段。

Unicode 转换为什么我的结果不对：七种常见情况

最高频的一类是 JSON：json 里的 \u 怎么还原、json 中文 unicode 还原、 json 中文转 unicode，本质都是同一件事。Python json 中文变成 unicode 是因为json.dumps 默认 ensure_ascii=True，把 ensure_ascii 中文这一项设成 False 就不再转义；Java unicode 转中文、 js unicode 编码解码遇到的也是同一层转义，粘进本页选「解码」即可。

Unicode 只转中文不转英文：四种编码范围怎么选

把中文塞进只认 ASCII 的配置文件时，你要的是「结构和英文照样能读、只有中文变成转义码」， 而不是把每个字符都转一遍。范围开关就是干这个的，它比记法开关更影响可用性。

一个容易忽略的细节：「只转不可见字符」刻意不含 Tab 与换行。它们是文本 的结构字符，不是看不见的杂质；把换行也算进去会让整篇文本的换行全变成 \u000a，真正要找 的那个零宽空格反而被淹没。要连换行一起转，请选「全部字符」并关掉「保留真实换行」。

字符档案与不可见字符：零宽空格怎么找出来

零宽字符怎么找出来是这一节的重点：它们没有宽度、复制粘贴也看不见， 只有转成码点写法才会现形。

「明明看起来一模一样，程序就是判不相等」——这类问题的答案几乎总在不可见字符里。粘贴过来 的文本可能带着零宽空格 U+200B、不换行空格 U+00A0、方向控制符 U+202A、变体选择符 U+FE0F 或者 BOM U+FEFF，它们在任何编辑器里都没有形状，却是实实在在的字符。

把可疑文本粘进来、点「揪出不可见字符」，它们就会以 \u200b 这样的形式现形，并附上行号 列号；「字符档案」还会逐字给出码点、UTF-8 字节与 UTF-16 码元，方便你直接贴进 issue 或 工单里说明问题。本页只让它们现形，一个字符都不会替你删——需要清理请用「富文本清理」， 需要把全角空格变成半角请用「全角半角转换」。

Unicode 转换这页做什么、不做什么

这件事在中文里的叫法很多：Unicode 编码转换、Unicode 编码在线转换、Unicode 解码、 Unicode 转码工具，按方向又叫中文转 Unicode 与 Unicode 转中文、汉字转 Unicode 与 Unicode 转汉字——说的都是同一件事。要按字反查身份证式的信息（码点、平面、分类、 各种编码），本页的字符档案就是一个字符编码查询在线入口；HTML 实体转中文这个方向 请用「HTML 实体转换」，两页各管一段。

英文语境下这类工具通常叫 unicode escape converter、unicode to text online、 text to unicode escape 或 text to unicode，搜 \u decoder online、chinese to unicode converter 找到的都是同一件事。要按名字找一个符号（比如「℃ 怎么打」）请用「特殊符号大全」；要把全角字符变半角请用「全角半角转换」；要比对两段文本 哪里不一样请用「文本对比」。

相关教程

遇到格式选择、乱码或校验问题，可以先看这些说明再动手处理。

• 文件知识URL 编码是什么？%20、%E4%B8%AD 这类字符解释讲清 URL 编码（百分号编码）是什么：为什么网址里会出现 %20、%E4%B8%AD 这类字符、encodeURI 与 encodeURIComponent 该用哪个、和 Base64 编码有什么区别，以及什么时候需要手动做 URL 编码。
• 问题解答从网页或 Word 复制的文字格式很乱怎么清理？解释粘贴时格式为什么会跟过来（剪贴板同时存了纯文本和带样式的 HTML），并给出按来源清理的做法：网页、Word、PDF、微信、代码各用哪套预设，PDF 每行断开怎么合并成段落，零宽字符与不间断空格怎么清。