Pular para o conteúdo

Inspetor de Unicode

Veja cada caractere de um texto com seu ponto de código, categoria geral, script e bytes UTF-8. O inspetor revela caracteres ocultos, como espaços de largura zero, hifens condicionais, marcas de ordem de bytes e controles bidirecionais; sinaliza letras parecidas do cirílico e do grego que imitam letras latinas; e alerta sobre palavras que misturam scripts, um truque comum em domínios de phishing e spam.

Redefinir

Perguntas frequentes

O que o inspetor mostra para cada caractere?

A posição, o próprio caractere quando visível, o ponto de código na notação U+, um nome para caracteres especiais, como espaços e controles, a categoria geral Unicode, como Lu para letras maiúsculas ou Zs para espaços, o script ao qual pertence, seus bytes em UTF-8 e uma observação quando o caractere está oculto, é um espaço especial, um caractere de controle ou se parece com outro.

Quais caracteres ocultos são detectados?

Espaço de largura zero, juntor e não juntor de largura zero, juntor de palavras, hífen condicional, marca de ordem de bytes, marcas, incorporações, substituições e isolados bidirecionais, operadores matemáticos invisíveis, preenchimentos Hangul, seletores de variação e os caracteres de tag Unicode, que podem ocultar texto dentro de um emoji ou de uma palavra.

O que é um caractere parecido?

É um caractere de outro script ou uma forma estilizada que se parece com uma letra, um dígito ou um sinal ASCII simples. Por exemplo, o а cirílico no lugar do a latino, uma letra de largura total, uma letra matemática em negrito ou um travessão e aspas tipográficos. A observação indica qual caractere simples ele imita, para que você possa identificar palavras e domínios falsificados.

O que significa o aviso de mistura de scripts?

Ele lista palavras que contêm letras de mais de um script, como latim e cirílico na mesma palavra. Palavras reais raramente fazem isso, então uma palavra mista em um nome de domínio, nome de usuário ou e-mail é um forte indício de um ataque de homógrafos.

Por que caracteres e grafemas são contados separadamente?

Aqui, um caractere é um ponto de código Unicode. Um grafema é o que o leitor vê como um único símbolo, que pode consistir em vários pontos de código, como uma letra com acento combinante ou um emoji com tom de pele e juntor. Essa diferença mostra quantos pontos de código estão ocultos por trás do texto visível.

O que as contagens de UTF-8 e UTF-16 me dizem?

Os bytes UTF-8 indicam o tamanho do texto em arquivos, URLs e na maioria dos bancos de dados. As unidades de código UTF-16 são o que JavaScript, Java e Windows contam como o comprimento de uma string, e é por isso que um emoji costuma contar como 2 nesse formato. Os limites em formulários e APIs geralmente se referem a um desses dois números.

O que são NFC e NFKC?

São formas de normalização Unicode. O texto em NFC usa caracteres precompostos quando eles existem, então uma letra acentuada ocupa um único ponto de código. A NFKC também substitui caracteres de compatibilidade, como ligaduras, letras de largura inteira e sobrescritos, pelas formas simples. O inspetor informa se o texto já está em cada uma dessas formas.

Posso obter o texto sem os caracteres ocultos?

Sim. O resultado estruturado inclui o texto com todos os caracteres invisíveis e de controle removidos, mantendo espaços comuns, tabulações e quebras de linha. Letras visualmente semelhantes são apenas identificadas, não substituídas, pois podem estar corretas em outro idioma.

Qual é a quantidade máxima de texto que posso inspecionar?

Até 5,000 caracteres por vez. A tabela mostra os primeiros 1,000 caracteres, enquanto as contagens e os avisos sempre abrangem o texto inteiro.

Por que alguns caracteres não têm nome?

O inspetor identifica os espaços, caracteres de controle, marcas e sinais de pontuação que podem ser facilmente confundidos. Todos os outros caracteres são identificados pelo ponto de código, pela categoria e pelo sistema de escrita, o que basta para consultá-los em qualquer referência Unicode.

Sobre OneClick Pro

OneClick Pro é uma coleção gratuita com mais de 150 ferramentas da Web para o trabalho cotidiano: converter imagens e unidades, formatar e validar código, verificar domínios e SEO, e trabalhar com textos, datas e números. Todas as ferramentas funcionam sem registro ou assinatura, e o que você digita é usado apenas para calcular o resultado e nunca é armazenado. Use o serviço como uma caixa de ferramentas para tarefas pontuais ou salve nos favoritos as ferramentas que você usa todos os dias.