Inspecteur de Caractères Unicode

Inspectez vos chaînes Unicode caractère par caractère dans le navigateur.

Aucun téléversementSans inscriptionRésultats instantanés
Unicode et UTF-8/16Chasse nulle et homoglyphes100% Local • Zéro Envoi
Inspecter les caractères
Moteur hors ligne prêtEspace 100% privé dans le navigateur • Aucun transfert cloud
100 % Privé • Aucun fichier envoyé sur un serveur

Pourquoi utiliser Inspecteur de Caractères Unicode gratuitement sur Utiliome ?

Conçu pour garantir une confidentialité stricte, sans inscription ni abonnement requis.

Détection des caractères invisibles et Bidi

Met en évidence les caractères de contrôle et de formatage non imprimables, notamment U+200B ZWSP, U+FEFF BOM, U+00A0 NBSP, U+00AD trait d'union conditionnel et les surcharges bidirectionnelles Trojan Source (U+202A à U+202E, U+2066 à U+2069).

Décomposition des octets UTF-8 et UTF-16LE/BE

Affiche les séquences exactes d'octets hexadécimaux UTF-8 (1 à 4 octets selon la RFC 3629) ainsi que les unités de code UTF-16LE et UTF-16BE, exposant les paires de substitution pour les plans supplémentaires au-delà de U+FFFF.

Métriques de graphèmes UAX #29 vs unités de code

Compare les grappes de graphèmes étendues au nombre de valeurs scalaires Unicode, aux unités de code UTF-16 JavaScript et à la taille en octets UTF-8 pour diagnostiquer les bugs de découpage de chaînes et les dépassements de colonnes SQL.

Diagnostic d'homoglyphes et confidentialité locale

Signale les caractères confondables UTS #39 tels que les glyphes cyrilliques vs latins et la ponctuation typographique intelligente entièrement côté client dans la mémoire du navigateur, afin que vos jetons, journaux et codes ne quittent jamais votre appareil.

Utiliome vs alternatives cloud traditionnelles

Comparez notre moteur local WebAssembly aux outils cloud anciens.

Fonctionnalité Utiliome (Navigateur local) Convertisseurs cloud anciens
Détection des caractères invisibles et Bidi Met en évidence les caractères de contrôle et de formatage non imprimables, notamment U+200B ZWSP, U+FEFF BOM, U+00A0 NBSP, U+00AD trait d'union conditionnel et les surcharges bidirectionnelles Trojan Source (U+202A à U+202E, U+2066 à U+2069). Options limitées sans personnalisation avancée
Décomposition des octets UTF-8 et UTF-16LE/BE Affiche les séquences exactes d'octets hexadécimaux UTF-8 (1 à 4 octets selon la RFC 3629) ainsi que les unités de code UTF-16LE et UTF-16BE, exposant les paires de substitution pour les plans supplémentaires au-delà de U+FFFF. Nécessite des outils externes ou un traitement manuel
Confidentialité et Traitement 100 % local dans le navigateur (zéro envoi serveur) Envoie les données vers des serveurs cloud tiers
Tarif et Inscription 100 % gratuit à vie, sans compte ni filigrane Inscription obligatoire ou abonnement payant
Comment ça marche

Comment utiliser Inspecteur de Caractères Unicode en 3 étapes simples

Aucune installation requise. Tout s'exécute directement dans votre navigateur web.

1

Collez du texte ou déposez un fichier

Collez une chaîne, un identifiant, une entrée de log ou importez un fichier UTF-8 contenant des caractères de largeur nulle suspectés, des séquences d'émojis cassées ou des longueurs d'octets inattendues.

2

Inspectez les métadonnées par caractère

Examinez pour chaque caractère son point de code scalaire U+XXXX, son nom officiel Unicode, sa catégorie générale, son bloc, ses octets hexadécimaux UTF-8 et UTF-16LE/BE ainsi que ses badges d'alerte de sécurité.

3

Isolez les anomalies ou copiez le texte nettoyé

Filtrez directement les caractères de formatage invisibles ou les homoglyphes trompeurs, supprimez les points de code non imprimables indésirables ou copiez le tableau d'inspection au niveau de l'octet pour vos rapports de bug.

Inspection des caractères cachés, paires de substitution et homoglyphes

Réponse rapide: Collez n'importe quelle chaîne pour la décomposer en valeurs scalaires Unicode individuelles, révélant les caractères invisibles comme l'espace sans chasse U+200B ou le BOM U+FEFF, les séquences d'émojis ZWJ multi-points de code et les homoglyphes non-ASCII trompeurs avec leurs séquences d'octets UTF-8 et UTF-16 exactes.

Les échecs d'analyse syntaxique, les erreurs de signature de webhook et les requêtes SQL infructueuses proviennent fréquemment de caractères qui s'affichent de manière identique — ou totalement invisible — dans les émulateurs de terminal et les éditeurs de code. Prenons l'exemple d'une variable d'environnement copiée depuis un portail de documentation ou un message de chat qui semble visuellement identique à api_key=prod :

Rendu visuel :            api_key=prod
String.length :           14 (attendu : 12)
Longueur d'octets UTF-8 : 19 octets (attendu : 12 octets)

Le passage de cette chaîne de 14 unités dans l'Inspecteur de Caractères Unicode révèle trois anomalies distinctes cachées dans un texte d'apparence ASCII : un indicateur d'ordre des octets (<BOM>) en tête, un homoglyphe cyrillique remplaçant le a latin et une espace sans chasse (<ZWSP>) intégrée :

[
  {
    "index": 0,
    "badge": "<BOM>",
    "codePoint": "U+FEFF",
    "name": "ZERO WIDTH NO-BREAK SPACE",
    "category": "Cf (Format)",
    "block": "Arabic Presentation Forms-B",
    "utf8Hex": "EF BB BF",
    "utf16BE": "FE FF",
    "utf16LE": "FF FE",
    "warning": "Caractère de formatage invisible de largeur nulle"
  },
  {
    "index": 1,
    "glyph": "а",
    "codePoint": "U+0430",
    "name": "CYRILLIC SMALL LETTER A",
    "category": "Ll (Lowercase Letter)",
    "block": "Cyrillic",
    "utf8Hex": "D0 B0",
    "utf16BE": "04 30",
    "utf16LE": "30 04",
    "warning": "Homoglyphe confondable avec le caractère latin U+0061 ('a')"
  },
  {
    "index": 2,
    "glyph": "p",
    "codePoint": "U+0070",
    "name": "LATIN SMALL LETTER P",
    "category": "Ll (Lowercase Letter)",
    "block": "Basic Latin",
    "utf8Hex": "70",
    "utf16BE": "00 70",
    "utf16LE": "70 00",
    "warning": null
  },
  {
    "index": 8,
    "badge": "<ZWSP>",
    "codePoint": "U+200B",
    "name": "ZERO WIDTH SPACE",
    "category": "Cf (Format)",
    "block": "General Punctuation",
    "utf8Hex": "E2 80 8B",
    "utf16BE": "20 0B",
    "utf16LE": "0B 20",
    "warning": "Caractère de formatage invisible de largeur nulle"
  }
]

L'inspecteur explique également pourquoi les émojis composés de plusieurs points de code renvoient des longueurs très différentes selon les environnements d'exécution. L'inspection du seul émoji visible de technologue 👨💻 révèle trois points de code scalaires joints par <ZWJ> (U+200D), occupant 5 unités de code UTF-16 en JavaScript et 11 octets en UTF-8 :

Grappes de graphèmes (UAX #29) : 1   -> [ "👨💻" ]
Points de code scalaires :       3   -> U+1F468 (Homme) + U+200D (<ZWJ>) + U+1F4BB (Ordinateur)
Unités de code UTF-16 (.length): 5   -> D83D DC68 + 200D + D83D DCBB
Octets encodés en UTF-8 :        11  -> F0 9F 91 A8 + E2 80 8D + F0 9F 92 BB

Mécanismes d'encodage Unicode, frontières de graphèmes et risques de sécurité

Réponse rapide: Unicode associe 1 112 064 valeurs scalaires valides réparties sur 17 plans à un encodage de largeur variable UTF-8 (1 à 4 octets selon la RFC 3629) ou UTF-16 (2 ou 4 octets via des paires de substitution selon la RFC 2781). Les écarts entre les grappes de graphèmes, les formes de normalisation canonique et les contrôles bidi invisibles provoquent des bugs d'analyse et des failles de sécurité.

Valeurs scalaires, bits de préfixe UTF-8 (RFC 3629) et substituts UTF-16 (RFC 2781)

L'espace de codage Unicode s'étend de U+0000 à U+10FFFF sur 17 plans de 65 536 points de code chacun. En excluant les 2 048 positions de substitution réservées (U+D800 à U+DFFF), il existe exactement 1 112 064 valeurs scalaires Unicode :

  • UTF-8 encode le plan 0 Latin de base (U+0000 à U+007F) sur 1 octet (0xxxxxxx), U+0080 à U+07FF sur 2 octets (110xxxxx 10xxxxxx), le reste des caractères du plan multilingue de base ou BMP (U+0800 à U+FFFF) sur 3 octets (1110xxxx 10xxxxxx 10xxxxxx), et les plans astraux supplémentaires (U+10000 à U+10FFFF) sur 4 octets (11110xxx 10xxxxxx 10xxxxxx 10xxxxxx). Comme les octets de continuation commencent toujours par 10, l'UTF-8 est auto-synchronisant et ne contient jamais d'octets nuls (0x00) au sein de caractères non nuls.
  • UTF-16 représente directement les valeurs scalaires du BMP sous forme d'une unité de code de 16 bits. Les caractères de U+10000 à U+10FFFF soustraient 0x10000 pour obtenir un décalage de 20 bits (0x00000 à 0xFFFFF), divisant les 10 bits supérieurs en un substitut haut (0xD800 à 0xDBFF) et les 10 bits inférieurs en un substitut bas (0xDC00 à 0xDFFF). L'UTF-16BE sérialise l'octet le plus significatif en premier (D8 3D DC 80), tandis que l'UTF-16LE inverse l'ordre des octets dans chaque unité de 16 bits (3D D8 80 DC).

Équivalence canonique (UAX #15) et segmentation en graphèmes (UAX #29)

Des textes visuellement identiques ont fréquemment des représentations sous-jacentes en octets différentes. Selon l'annexe standard Unicode #15 (UAX #15), é peut être stocké sous la forme de normalisation C (NFC) en tant que caractère précomposé U+00E9 (UTF-8 C3 A9) ou sous la forme de normalisation D (NFD) en tant que caractère de base U+0065 (e) suivi de U+0301 (COMBINING ACUTE ACCENT, catégorie générale Mn, UTF-8 65 CC 81). Les systèmes de fichiers macOS normalisent les noms de fichiers vers des formes NFD tandis que Linux, Windows et les soumissions de formulaires web utilisent par défaut la forme NFC — ce qui fait échouer les comparaisons naïves d'octets, les recherches de clés d'objets S3 et les vérifications HMAC si les chaînes ne sont pas normalisées au préalable.

De même, découper des chaînes par index UTF-16 (str.slice(0, 10)) peut séparer un substitut haut de son substitut bas (produisant des substituts isolés non appariés qui sont sérialisés en caractères de remplacement U+FFFD en UTF-8) ou séparer un caractère de base de ses signes diacritiques combinants, sélecteurs de variante (U+FE0E, U+FE0F) ou indicateurs régionaux de drapeau (U+1F1E6 à U+1F1FF). Les caractères perçus par l'utilisateur doivent être segmentés selon les frontières de grappes de graphèmes étendues UAX #29.

Trojan Source (`CVE-2021-42574`) et caractères confondables UTS #39

Deux catégories de caractères dans Unicode présentent des risques aigus pour la sécurité des applications :

  1. Surcharges bidirectionnelles (Cf) : Les points de code U+202A à U+202E (<LRE>, <RLE>, <PDF>, <LRO>, <RLO>) et les isolats U+2066 à U+2069 (<LRI>, <RLI>, <FSI>, <PDI>) ordonnent aux moteurs de rendu de texte d'inverser l'ordre d'affichage sans modifier l'ordre logique en mémoire. Les attaquants utilisent des contrôles bidi non terminés pour dissimuler des vérifications conditionnelles actives à l'intérieur de commentaires ou de littéraux de chaîne (CVE-2021-42574).
  2. Usurpation par homoglyphes (UTS #39) : Les caractères d'apparence similaire issus de différents systèmes d'écriture (U+0430 а cyrillique, U+03BF ο grec, U+FF21 A pleine chasse) permettent à des adversaires de forger des noms de domaine trompeurs (attaques homographiques IDN), de masquer des variables dans le code source (CVE-2021-42694) ou de contourner des listes de blocage de mots-clés.

Inspecteur de Caractères Unicode vs outils connexes de texte et d'encodage

Réponse rapide: Utilisez l'Inspecteur de Caractères Unicode pour auditer une chaîne caractère par caractère à la recherche de codes de contrôle cachés, d'homoglyphes et de séquences d'octets. Utilisez la Table ASCII pour consulter les codes statiques de 0 à 255, le Convertisseur Unicode pour convertir du texte en points de code en masse, ou l'Outil d'Échappement Unicode pour les littéraux d'échappement.

Choisissez l'utilitaire adapté dans la famille des outils de caractères et d'encodage selon que vous diagnostiquez une chaîne inconnue, consultez une table d'octets standard ou transformez des littéraux de chaîne pour du code source :

Capacité Inspecteur de Caractères Unicode Table ASCII Convertisseur Unicode Outil d'Échappement Unicode
Flux de travail principal Audit diagnostique caractère par caractère de chaînes ou fichiers Tableau de référence interactif pour les codes d'octets 0–255 Conversion en masse entre texte, points de code et tableaux d'octets Échappement et déséchappement de littéraux de chaîne pour code source
Alertes invisibles et Bidi Met en évidence <ZWSP>, <BOM>, <NBSP> et les codes bidi Trojan Source Liste les codes de contrôle C0 (0–31, 127) et C1 (128–159) Encode les codes de contrôle numériquement sans badges de sécurité Convertit les caractères non-ASCII en séquences visibles \uXXXX
Détection d'homoglyphes Signale les caractères confondables UTS #39 et la ponctuation typographique Couvre uniquement l'US-ASCII 7 bits et l'ISO-8859-1 Latin-1 Aucune analyse de scripts confondables Aucune analyse de scripts confondables
Diff. Graphèmes vs UTF-16 Affiche les graphèmes UAX #29, points scalaires, unités UTF-16 et octets UTF-8 Lignes de table fixes à 1 octet (8 bits) Génère des flux complets UTF-8, UTF-16 et UTF-32 Préserve ou appaire les substituts UTF-16 (\uD83D\uDE80 vs \u{1F680})
Syntaxe d'échappement Affiche les points de code hexadécimaux bruts (U+XXXX) et valeurs d'octets Affiche les échappements C/JS, la notation caret (^M) et les entités HTML Formate des listes de points de code hexadécimaux/décimaux Modes d'échappement dédiés JS, JSON, Python, CSS, Rust et HTML
  • Passez à la Table ASCII lorsque vous avez besoin d'un tableau de consultation rapide pour les masques binaires US-ASCII 7 bits (0–127) et Latin-1 étendu (128–255), les codes octaux et la notation caret de terminal.
  • Utilisez le Convertisseur Unicode lorsque vous souhaitez convertir par lot un bloc entier de texte en listes continues U+XXXX ou en flux hexadécimaux UTF-8/UTF-16/UTF-32.
  • Utilisez l'Outil d'Échappement Unicode lors de la préparation ou du décodage de séquences \uXXXX, \u{XXXXX}, \xXX ou CSS \XXXXXX pour des charges utiles JSON et des fichiers sources, ou ouvrez le Compteur de caractères pour vérifier la conformité de vos textes avec les limites des balises meta SEO et des segments SMS GSM-7/UCS-2.
FAQ

FAQ et guide technique sur Inspecteur de Caractères Unicode

Tout ce qu'il faut savoir sur l'utilisation en ligne gratuite de inspecteur de caractères unicode.

Pourquoi String.length en JavaScript renvoie-t-il 2 ou plus pour un seul caractère visible ?

JavaScript, Java et C# mesurent la longueur d'une chaîne en unités de code UTF-16 de 16 bits plutôt qu'en valeurs scalaires Unicode ou en grappes de graphèmes étendues UAX #29. Tout caractère situé en dehors du plan multilingue de base (au-delà de U+FFFF, tel que la fusée U+1F680) nécessite une paire de substitution haute et basse, ce qui lui donne une longueur .length de 2. Les séquences d'émojis composites jointes avec le liant sans chasse U+200D (<ZWJ>) et le sélecteur de variante 16 U+FE0F combinent plusieurs valeurs scalaires en un seul glyphe visuel, produisant souvent des valeurs .length comprises entre 5 et 11.

Quels caractères Unicode invisibles cassent le plus souvent le JSON, le YAML et le code source ?

Les quatre coupables les plus fréquents sont l'espace insécable U+00A0 (<NBSP>, souvent tapée par erreur via Option+Espace sur macOS, cassant l'indentation YAML et les analyseurs SQL), l'indicateur d'ordre des octets U+FEFF (<BOM>, inséré au milieu d'un flux lors de la concaténation de fichiers enregistrés par des éditeurs Windows), l'espace sans chasse U+200B (<ZWSP>, copiée depuis des documents en texte enrichi, des PDF ou des applications de messagerie dans des jetons d'API) et les guillemets typographiques intelligents (U+201C et U+201D) remplaçant les guillemets droits ASCII (U+0022).

Comment détecter les attaques de surcharge bidirectionnelle Trojan Source dans des extraits de code ?

Trojan Source (CVE-2021-42574) exploite neuf caractères de contrôle bidirectionnel de la catégorie générale Unicode Cf — U+202A (<LRE>), U+202B (<RLE>), U+202C (<PDF>), U+202D (<LRO>), U+202E (<RLO>), U+2066 (<LRI>), U+2067 (<RLI>), U+2068 (<FSI>) et U+2069 (<PDI>) — pour réorganiser visuellement les jetons du code source de sorte que des instructions exécutables semblent mises en commentaire lors d'une relecture humaine. Coller du code suspect dans l'inspecteur révèle chaque point de code bidi caché à son index exact.

Pourquoi deux chaînes accentuées visuellement identiques échouent-elles aux tests d'égalité stricte ?

Unicode autorise plusieurs représentations canoniquement équivalentes selon la norme UAX #15. Par exemple, 'é' sous la forme de normalisation C (NFC) est une valeur scalaire précomposée unique U+00E9 (octets UTF-8 C3 A9), tandis que sous la forme de normalisation D (NFD), il se compose de deux valeurs scalaires : U+0065 ('e') suivi de l'accent aigu combinant U+0301 (octets UTF-8 65 CC 81). L'inspection des deux chaînes expose les séquences de points de code différentes afin que vous puissiez appliquer .normalize('NFC') avant le hachage ou la comparaison.

Le texte collé ou le fichier importé est-il transmis à un serveur ?

Non. La segmentation des caractères, l'extraction des points de code, le calcul des octets UTF-8 et UTF-16LE/BE ainsi que la détection des homoglyphes confondables s'exécutent intégralement dans votre navigateur à l'aide des API JavaScript natives côté client. Les clés d'API, les journaux de production et les extraits de code source privés restent strictement dans la mémoire locale.