Unicode escape átalakító

A Unicode escape egy karaktert csupa ASCII jellel ír le, például az „á” betűt \u00e1 alakban. Erre akkor van szükség, ha egy fájl, rendszer vagy adatformátum nem kezeli biztonságosan az ékezetes betűket és a különleges jeleket, vagy ha pontosan látni akarod, milyen karakter rejlik egy szövegben.

Gyakori helyzetek:

• JSON és JavaScript: egy API vagy naplófájl \u0151 formában adja vissza az „ő” betűt, és vissza akarod alakítani olvasható szöveggé.
• Java .properties fájlok: régebbi Java-alkalmazások a nem ASCII karaktereket \uXXXX alakban várják.
• HTML: egy ő vagy ő entitásból kiderül, hogy „ő”-t jelöl.
• CSS: a content tulajdonságban jeleket \2713 formában írnak.
• URL: a %C5%91 a „ő” UTF-8 bájtjai százalékos kódolásban.
• Hibakeresés: két szó ugyanúgy néz ki, mégsem egyezik? A kódpontlista megmutatja, ha az egyikben például nem törő szóköz vagy más alakú betű van.

Az „é” és a „😀” karakter különböző formátumokban:

Formátum	é	😀	Hol használják?
\uXXXX	\u00e9	\ud83d\ude00	JSON, JavaScript, Java, C#
\u{…}	\u{e9}	\u{1f600}	modern JavaScript (ES6), Rust, Swift
\u / \U	\u00e9	\U0001f600	Python, C, C++
HTML decimális	é	😀	HTML, XML
HTML hexadecimális	é	😀	HTML, XML
CSS	\e9	\1f600	CSS content, szelektorok
URL (UTF-8)	%C3%A9	%F0%9F%98%80	webcímek, űrlapadatok
Kódpont	U+00E9	U+1F600	dokumentáció, Unicode-táblák

Az eszköz alapból csak a nem ASCII karaktereket alakítja át (ékezetes betűk, jelek, emojik), így a szöveg olvasható marad: „Árvíz” → \u00c1rv\u00edz. Ha minden karaktert kódolni akarsz, kapcsold ki ezt a beállítást.

A Unicode több mint egymillió kódpontot ismer, a \uXXXX forma viszont csak négy hexadecimális számjegyet, vagyis legfeljebb U+FFFF-ig tud jelölni. A JavaScript és a JSON belül UTF-16 kódolást használ, ahol a U+FFFF feletti karakterek (a legtöbb emoji, egyes ritka írásjegyek) két 16 bites egységből, úgynevezett helyettesítő párból (surrogate pair) állnak.

A 😀 (U+1F600) ezért JSON-ban így néz ki: \ud83d\ude00. Az eszköz kódoláskor magától elkészíti a párt, visszaalakításkor pedig a két kódot újra egy karakterré illeszti. A \u{1f600} és a Python \U0001f600 formája ezzel szemben egyetlen kóddal írja le a karaktert.

Ez a különbség a hosszban is látszik: a 😀 a JavaScript length szerint 2 hosszú, kódpontként 1, UTF-8-ban 4 bájt. Az eszköz mindhárom számot kiírja a bemenetre, ami adatbázismezők és SMS-hosszok ellenőrzésénél is hasznos.

Escape → szöveg irányban az automatikus felismerés egyszerre kezeli a vegyes bemenetet: a \u00e1, \u{e1}, \U000000e1, á, á, & típusú névvel ellátott entitások, a %C3%A1 URL-kódolás és a U+00E1 kódpontok egy szövegen belül is visszaalakulnak. A JavaScript-sztringekben gyakori \n, \t, " és \ jeleket is visszaalakítja sortöréssé, tabulátorrá, idézőjellé és fordított perjellé.

Ha a bemenet kizárólag U+XXXX kódpontokból áll (például „U+0048 U+0069”), az eszköz az elválasztó szóközöket is elhagyja, és a karaktereket egybeírja: „Hi”.

Ha a felismerés kétértelmű, válaszd ki a formátumot kézzel: például a CSS-ben a \b egy hexadecimális kód (U+000B), JavaScriptben viszont a visszatörlés jele.

Az eredmény alatti karaktertáblában minden karakter mellett ott van a kódpont, a decimális érték, a JSON-, HTML- és URL-alak, és a táblázatot CSV-ben le is töltheted.

• Dupla escape: ha a JSON-ban \u00e1 szerepel (két fordított perjellel), az egy szó szerinti \u00e1 szöveget jelent. Ilyenkor kétszer kell visszaalakítani.
• Mojibake: ha az „ő” helyett „Å‘” jelenik meg, az nem escape, hanem rossz karakterkódolású megnyitás (UTF-8 bájtok Latin-1-ként olvasva). Ezt a fájl helyes kódolású újramegnyitása javítja.
• Hiányzó pontosvessző a HTML-entitásnál: a &#337 pontosvessző nélkül is gyakran működik, de a szabvány szerint kötelező; az eszköz kódoláskor mindig kiteszi.

Ha egy karakterről több információra van szükséged, vagy gyakori jeleket másolnál, a Unicode karakterek eszköz segít; URL-ek teljes kódolásához az URL encode, HTML-szöveg biztonságos megjelenítéséhez a HTML encode eszköz a jobb választás.