Unicode Inspector
Visualizza ogni carattere di un testo insieme al relativo punto di codice, alla categoria generale, allo script e ai byte UTF-8. L’ispettore rivela caratteri nascosti come spazi a larghezza zero, trattini discrezionali, marcatori dell’ordine dei byte e controlli bidirezionali; segnala lettere simili a quelle latine provenienti dal cirillico e dal greco che le imitano e avvisa delle parole che mescolano più script, un trucco comune nei domini di phishing e nello spam.
Domande frequenti
Cosa mostra l’ispettore per ogni carattere?
La posizione, il carattere stesso quando è visibile, il punto di codice nella notazione U+, il nome dei caratteri speciali come spazi e controlli, la categoria generale Unicode Unicode, ad esempio Lu per le lettere maiuscole o Zs per gli spazi, lo script di appartenenza, i byte in UTF-8 e una nota se il carattere è nascosto, uno spazio speciale, un carattere di controllo o un carattere simile a un altro.
Quali caratteri nascosti vengono rilevati?
Spazio a larghezza zero, connettore e non connettore a larghezza zero, connettore di parole, trattino discrezionale, marcatore dell’ordine dei byte, marcatori, incorporamenti, sostituzioni e isolamenti bidirezionali, operatori matematici invisibili, riempitivi Hangul, selettori di variazione e i caratteri tag Unicode che possono nascondere testo dentro un emoji o una parola.
Cos’è un carattere simile a un altro?
Un carattere di un altro script o una forma stilizzata che somiglia a una normale lettera, cifra o segno ASCII, per esempio la а cirillica al posto della a latina, una lettera a larghezza intera, una lettera matematica in grassetto o un trattino e una virgoletta tipografici. La nota indica il carattere normale che imita, così puoi individuare parole e domini contraffatti.
Cosa significa l’avviso di script misto?
Elenca le parole che contengono lettere di più di uno script, come latino e cirillico nella stessa parola. È raro che le parole reali siano composte così, quindi una parola mista in un nome di dominio, un nome utente o un indirizzo email è un forte indizio di un attacco omografo.
Perché caratteri e grafemi vengono conteggiati separatamente?
Qui un carattere è un punto di codice Unicode. Un grafema è ciò che il lettore vede come un singolo simbolo, che può essere composto da più punti di codice, per esempio una lettera con un accento combinante o un emoji con una tonalità della pelle e connettori. La differenza mostra quanti punti di codice si nascondono dietro il testo visibile.
Cosa indicano i conteggi UTF-8 e UTF-16?
I byte UTF-8 indicano la dimensione del testo in file, URL e nella maggior parte dei database. Le unità di codice UTF-16 sono quelle che JavaScript, Java e Windows contano come lunghezza di una stringa; per questo un emoji spesso vale 2. I limiti nei moduli e nelle API si riferiscono di solito a uno di questi due valori.
Cosa sono NFC e NFKC?
Sono forme di normalizzazione Unicode. Il testo in NFC usa caratteri precomposti, quando esistono, quindi una lettera accentata corrisponde a un unico punto di codice. NFKC sostituisce anche i caratteri di compatibilità, come le legature, le lettere a larghezza intera e i caratteri in apice, con le rispettive forme semplici. L’ispettore indica se il testo è già in ciascuna forma.
Posso ottenere il testo senza i caratteri nascosti?
Sì. Il risultato strutturato include il testo con tutti i caratteri invisibili e di controllo rimossi, mentre gli spazi normali, le tabulazioni e le interruzioni di riga vengono mantenuti. Le lettere simili vengono solo segnalate, non sostituite, perché potrebbero essere corrette in un’altra lingua.
Quanto testo posso esaminare?
Fino a 5,000 caratteri alla volta. La tabella mostra i primi 1,000 caratteri, mentre i conteggi e gli avvisi riguardano sempre l’intero testo.
Perché alcuni caratteri non hanno un nome?
L’ispettore assegna un nome agli spazi, ai caratteri di controllo, ai segni diacritici e alla punteggiatura che si possono confondere facilmente. Ogni altro carattere è identificato dal punto di codice, dalla categoria e dallo script: informazioni sufficienti per cercarlo in qualsiasi riferimento Unicode.