Επιθεωρητής Unicode
Δείτε κάθε χαρακτήρα ενός κειμένου μαζί με το σημείο κώδικά του, τη γενική κατηγορία, τη γραφή και τα byte UTF-8. Ο επιθεωρητής αποκαλύπτει κρυφούς χαρακτήρες, όπως κενά μηδενικού πλάτους, μαλακά ενωτικά, δείκτες σειράς byte και στοιχεία ελέγχου αμφίδρομης γραφής, εντοπίζει όμοια γράμματα από το κυριλλικό και το ελληνικό αλφάβητο που μιμούνται λατινικά γράμματα και προειδοποιεί για λέξεις με μικτές γραφές, ένα συνηθισμένο τέχνασμα σε τομείς ηλεκτρονικού «ψαρέματος» και σε ανεπιθύμητα μηνύματα.
Συχνές ερωτήσεις
Τι εμφανίζει ο επιθεωρητής για κάθε χαρακτήρα;
Τη θέση του, τον ίδιο τον χαρακτήρα όταν είναι ορατός, το σημείο κώδικα σε μορφή U+, ένα όνομα για ειδικούς χαρακτήρες όπως κενά και στοιχεία ελέγχου, τη γενική κατηγορία Unicode, όπως Lu για κεφαλαία γράμματα ή Zs για κενά, τη γραφή στην οποία ανήκει, τα byte του σε UTF-8 και μια σημείωση όταν ο χαρακτήρας είναι κρυφός, ειδικό κενό, χαρακτήρας ελέγχου ή όμοιος με άλλον.
Ποιοι κρυφοί χαρακτήρες εντοπίζονται;
Κενό μηδενικού πλάτους, συνδετικό και μη συνδετικό μηδενικού πλάτους, συνδετικό λέξεων, μαλακό ενωτικό, δείκτης σειράς byte, δείκτες, ενσωματώσεις, παρακάμψεις και απομονωτές αμφίδρομης γραφής, αόρατοι μαθηματικοί τελεστές, συμπληρωματικά Hangul, επιλογείς παραλλαγής και οι χαρακτήρες ετικετών Unicode που μπορούν να κρύψουν κείμενο μέσα σε emoji ή λέξη.
Τι είναι ένας όμοιος χαρακτήρας;
Ένας χαρακτήρας από άλλη γραφή ή μια στιλιζαρισμένη μορφή που μοιάζει με απλό γράμμα, ψηφίο ή σύμβολο ASCII, όπως το κυριλλικό а αντί για το λατινικό a, ένα γράμμα πλήρους πλάτους, ένα έντονο μαθηματικό γράμμα ή μια τυπογραφική παύλα και εισαγωγικό. Η σημείωση αναφέρει τον απλό χαρακτήρα που μιμείται, ώστε να μπορείτε να εντοπίσετε πλαστογραφημένες λέξεις και τομείς.
Τι σημαίνει η προειδοποίηση για μικτή γραφή;
Παραθέτει λέξεις που περιέχουν γράμματα από περισσότερες από μία γραφές, όπως λατινικά και κυριλλικά γράμματα στην ίδια λέξη. Οι πραγματικές λέξεις σπάνια έχουν τέτοιο συνδυασμό, επομένως μια λέξη με μικτή γραφή σε όνομα τομέα, όνομα χρήστη ή διεύθυνση email αποτελεί ισχυρή ένδειξη επίθεσης ομοιόγραφης πλαστογράφησης.
Γιατί οι χαρακτήρες και τα γραφήματα καταμετρώνται ξεχωριστά;
Εδώ, ένας χαρακτήρας είναι ένα σημείο κώδικα Unicode. Γράφημα είναι αυτό που ο αναγνώστης βλέπει ως ένα σύμβολο, το οποίο μπορεί να αποτελείται από πολλά σημεία κώδικα, για παράδειγμα ένα γράμμα με συνδυαστικό τόνο ή ένα emoji με τόνο δέρματος και συνδέσεις. Η διαφορά δείχνει πόσα σημεία κώδικα κρύβονται πίσω από το ορατό κείμενο.
Τι μου δείχνουν οι μετρήσεις UTF-8 και UTF-16;
Τα byte UTF-8 δείχνουν το μέγεθος του κειμένου σε αρχεία, URL και στις περισσότερες βάσεις δεδομένων. Οι μονάδες κώδικα UTF-16 είναι αυτές που χρησιμοποιούν τα JavaScript, Java και Windows για να μετρήσουν το μήκος μιας συμβολοσειράς, γι' αυτό ένα emoji συχνά μετρά ως 2 εκεί. Τα όρια σε φόρμες και API συνήθως αναφέρονται σε έναν από αυτούς τους δύο αριθμούς.
Τι είναι τα NFC και NFKC;
Είναι μορφές κανονικοποίησης Unicode. Το κείμενο σε NFC χρησιμοποιεί προτεινόμενους χαρακτήρες όπου υπάρχουν, ώστε ένα τονισμένο γράμμα να είναι ένα σημείο κώδικα. Το NFKC αντικαθιστά επίσης χαρακτήρες συμβατότητας, όπως συμπλέγματα, γράμματα πλήρους πλάτους και εκθέτες, με τις απλές μορφές τους. Ο επιθεωρητής σάς ενημερώνει αν το κείμενό σας βρίσκεται ήδη σε καθεμία από αυτές τις μορφές.
Μπορώ να λάβω το κείμενο χωρίς τους κρυφούς χαρακτήρες;
Ναι. Το δομημένο αποτέλεσμα περιλαμβάνει το κείμενο με αφαιρεμένους όλους τους αόρατους χαρακτήρες και τους χαρακτήρες ελέγχου, ενώ τα συνηθισμένα κενά, οι στηλοθέτες και οι αλλαγές γραμμής διατηρούνται. Τα γράμματα που μοιάζουν μεταξύ τους απλώς αναφέρονται και δεν αντικαθίστανται, επειδή μπορεί να είναι σωστά σε άλλη γλώσσα.
Πόσο κείμενο μπορώ να επιθεωρήσω;
Έως 5,000 χαρακτήρες κάθε φορά. Ο πίνακας εμφανίζει τους πρώτους 1,000 χαρακτήρες, ενώ οι μετρήσεις και οι προειδοποιήσεις αφορούν πάντα ολόκληρο το κείμενο.
Γιατί ορισμένοι χαρακτήρες δεν έχουν όνομα;
Ο επιθεωρητής ονομάζει τα κενά, τους χαρακτήρες ελέγχου, τα διακριτικά σημεία και τα σημεία στίξης που συγχέονται εύκολα. Κάθε άλλος χαρακτήρας προσδιορίζεται από το σημείο κώδικα, την κατηγορία και το σύστημα γραφής του, στοιχεία που αρκούν για να τον αναζητήσετε σε οποιαδήποτε αναφορά Unicode.