Unicode Teken Inspector

Inspecteer Unicode-strings teken voor teken in je browser.

Geen uploadsGeen registratieDirect resultaat
Unicode & UTF-8/16Zero-Width & Homogliefen100% Lokaal • Geen Uploads
Tekens inspecteren
Offline engine gereed100% privé in-browser werkomgeving • Nul cloud-uploads
100% Privé • Geen Server Uploads

Waarom Utiliome's gratis Unicode Teken Inspector gebruiken?

Van de grond af opgebouwd voor strikte privacy, directe uitvoering en nul wrijving. Geen registratie nodig.

Detectie van Onzichtbare Tekens & Bidi-Overrides

Legt niet-afdrukbare stuur- en opmaaktekens bloot, waaronder U+200B ZWSP, U+FEFF BOM, U+00A0 NBSP, U+00AD Soft Hyphen en bidirectionele Trojan Source-overrides (U+202A t/m U+202E, U+2066 t/m U+2069).

UTF-8 & UTF-16LE/BE Byte-analyse

Toont exacte hexadecimale UTF-8-bytereksen (1 tot 4 bytes volgens RFC 3629) naast UTF-16LE- en UTF-16BE-code-units, inclusief surrogate pairs voor aanvullende planes boven U+FFFF.

UAX #29 Grafeem- vs. Code-Unit-metrieken

Vergelijkt extended grapheme clusters met aantallen Unicode-scalairen, JavaScript UTF-16-code-units en UTF-8-bytelengte om string-slicing-bugs en databasekolom-overflows te diagnosticeren.

Homogliefen-diagnose & 100% Lokale Privacy

Markeert verwarrende lookalikes volgens UTS #39 zoals Cyrillische vs. Latijnse tekens en slimme typografische interpunctie volledig client-side in het browsergeheugen, zodat tokens, logs en code je apparaat nooit verlaten.

Utiliome vs. traditionele cloudtools

Vergelijk onze lokale WebAssembly-engine met verouderde cloudtools.

Functie Utiliome (Lokale Browser) Verouderde Cloud Converters
Detectie van Onzichtbare Tekens & Bidi-Overrides Legt niet-afdrukbare stuur- en opmaaktekens bloot, waaronder U+200B ZWSP, U+FEFF BOM, U+00A0 NBSP, U+00AD Soft Hyphen en bidirectionele Trojan Source-overrides (U+202A t/m U+202E, U+2066 t/m U+2069). Beperkte opties zonder geavanceerde aanpassing
UTF-8 & UTF-16LE/BE Byte-analyse Toont exacte hexadecimale UTF-8-bytereksen (1 tot 4 bytes volgens RFC 3629) naast UTF-16LE- en UTF-16BE-code-units, inclusief surrogate pairs voor aanvullende planes boven U+FFFF. Vereist externe tools of handmatige bewerking
Privacy & Gegevensverwerking 100% lokale verwerking in je browser (geen uploads) Uploadt gegevens naar externe cloudservers
Prijsmodel & Accountvereisten 100% gratis voor altijd zonder registratie Vereist accountregistratie of betaald abonnement
Hoe het werkt

Hoe Unicode Teken Inspector te gebruiken in 3 eenvoudige stappen

Geen software-installatie vereist. Alles draait direct in je webbrowser.

1

Plak Tekst of Sleep een Bestand

Plak een string, identifier of logregel, of upload een UTF-8-bestand met vermoedelijke zero-width tekens, gebroken emoji-reeksen of onverwachte bytelengtes.

2

Inspecteer Metadata per Teken

Bekijk van elk teken het scalaire U+XXXX-codepoint, de officiële Unicode-naam, de General Category, het Unicode-blok, de UTF-8- en UTF-16LE/BE-hexbytes en eventuele beveiligingswaarschuwingen.

3

Isoleer Afwijkingen of Kopieer Schone Output

Filter direct op onzichtbare opmaaktekens of misleidende homogliefen, verwijder ongewenste niet-afdrukbare codepoints of kopieer de inspectietabel op byteniveau voor bugrapporten.

Verborgen Tekens, Surrogate Pairs en Homogliefen Inspecteren

Kort antwoord: Plak een willekeurige string om deze op te splitsen in afzonderlijke Unicode-scalairwaarden. Zo leg je onzichtbare tekens zoals U+200B Zero Width Space of U+FEFF BOM, samengestelde ZWJ-emoji-reeksen en verwarrende niet-ASCII-lookalikes bloot, samen met hun exacte UTF-8- en UTF-16-bytereksen.

Parserfouten, falende webhook-handtekeningen en mislukte SQL-zoekopdrachten worden vaak veroorzaakt door tekens die in terminal-emulators en code-editors identiek – of volledig onzichtbaar – worden weergegeven. Neem bijvoorbeeld een omgevingsvariabele die is gekopieerd uit een documentatieportaal of chatbericht en er visueel exact uitziet als api_key=prod:

Visuele weergave:  api_key=prod
String.length:     14 (verwacht: 12)
UTF-8-bytelengte:  19 bytes (verwacht: 12 bytes)

Wanneer je deze string van 14 eenheden door de Unicode Teken Inspector haalt, komen er drie verschillende afwijkingen aan het licht die verborgen zitten in ogenschijnlijk platte ASCII-tekst: een voorafgaande Byte Order Mark (<BOM>), een Cyrillische homoglief die de Latijnse a vervangt, en een ingebedde Zero Width Space (<ZWSP>):

[
  {
    "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": "Invisible zero-width format character"
  },
  {
    "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": "Confusable homoglyph for 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": "Invisible zero-width format character"
  }
]

De inspector maakt ook duidelijk waarom emoji's die uit meerdere codepoints bestaan in verschillende runtimes sterk uiteenlopende lengtes rapporteren. Inspectie van de enkele zichtbare technoloog-emoji 👨💻 onthult drie scalaire codepoints gekoppeld door <ZWJ> (U+200D), die in JavaScript 5 UTF-16-code-units en in UTF-8 11 bytes in beslag nemen:

Grapheme clusters (UAX #29): 1   -> [ "👨💻" ]
Unicode scalaire codepoints: 3   -> U+1F468 (Man) + U+200D (<ZWJ>) + U+1F4BB (Laptop)
UTF-16 code-units (.length): 5   -> D83D DC68 + 200D + D83D DCBB
UTF-8 gecodeerde bytes:      11  -> F0 9F 91 A8 + E2 80 8D + F0 9F 92 BB

Unicode-coderingsmechanica, Grafeemgrenzen en Beveiligingsrisico's

Kort antwoord: Unicode vertaalt 1.112.064 geldige scalairwaarden over 17 planes naar UTF-8 met variabele breedte (1 tot 4 bytes volgens RFC 3629) of UTF-16 (2 of 4 bytes via surrogate pairs volgens RFC 2781). Verschillen tussen grapheme clusters, canonieke normalisatievormen en onzichtbare bidi-stuurtekens veroorzaken parser-bugs en beveiligingslekken.

Scalairwaarden, UTF-8-prefixbits (RFC 3629) en UTF-16-surrogaten (RFC 2781)

De Unicode-coderuimte loopt van U+0000 tot en met U+10FFFF, verdeeld over 17 planes van elk 65.536 codepoints. Met uitzondering van de 2.048 gereserveerde surrogaatposities (U+D800 tot U+DFFF) zijn er exact 1.112.064 geldige Unicode-scalairwaarden:

  • UTF-8 codeert Plane 0 Basic Latin (U+0000 tot U+007F) in 1 byte (0xxxxxxx), U+0080 tot U+07FF in 2 bytes (110xxxxx 10xxxxxx), overige tekens in de Basic Multilingual Plane (BMP, U+0800 tot U+FFFF) in 3 bytes (1110xxxx 10xxxxxx 10xxxxxx) en aanvullende astrale planes (U+10000 tot U+10FFFF) in 4 bytes (11110xxx 10xxxxxx 10xxxxxx 10xxxxxx). Omdat vervolgbytes altijd beginnen met 10, is UTF-8 zelfsynchroniserend en bevat het nooit null-bytes (0x00) binnen niet-null-tekens.
  • UTF-16 stelt BMP-scalairwaarden rechtstreeks voor als één 16-bits code-unit. Bij tekens van U+10000 tot U+10FFFF wordt 0x10000 afgetrokken, wat een 20-bits offset oplevert (0x00000 tot U+FFFFF); de bovenste 10 bits vormen een high/lead surrogate (0xD800 tot 0xDBFF) en de onderste 10 bits een low/trail surrogate (0xDC00 tot 0xDFFF). UTF-16BE serialiseert de meest significante byte eerst (D8 3D DC 80), terwijl UTF-16LE de bytevolgorde binnen elke 16-bits eenheid omdraait (3D D8 80 DC).

Canonieke Equivalentie (UAX #15) en Grafeemsegmentatie (UAX #29)

Visueel identieke tekst heeft vaak verschillende onderliggende byteweergaven. Volgens Unicode Standard Annex #15 kan é in Normalization Form C (NFC) worden opgeslagen als het vooraf samengestelde teken U+00E9 (UTF-8 C3 A9), of in Normalization Form D (NFD) als basisletter U+0065 (e) gevolgd door U+0301 (COMBINING ACUTE ACCENT, General Category Mn, UTF-8 65 CC 81). Bestandssystemen op macOS normaliseren bestandsnamen richting NFD, terwijl Linux, Windows en browserformulieren standaard NFC gebruiken. Hierdoor mislukken naïeve byte-voor-byte stringvergelijkingen, S3-sleutelzoekopdrachten en HMAC-controles tenzij de invoer eerst wordt genormaliseerd.

Op dezelfde manier kan het splitsen van strings op UTF-16-index (str.slice(0, 10)) een high surrogate loskoppelen van zijn low surrogate (wat losse, ongepaarde surrogaten oplevert die in UTF-8 worden omgezet naar U+FFFD-vervangingstekens) of een basisteken scheiden van zijn combinerende diakritische tekens, variatieselectoren (U+FE0E, U+FE0F) of regionale vlagindicatoren (U+1F1E6 tot U+1F1FF). Door de gebruiker waargenomen tekens moeten daarom altijd worden gesegmenteerd op basis van UAX #29 extended grapheme cluster-grenzen.

Trojan Source (`CVE-2021-42574`) en UTS #39 Confusables

Twee klassen Unicode-tekens vormen directe risico's voor applicatiebeveiliging:

  1. Bidirectionele Overrides (Cf): Codepoints U+202A tot en met U+202E (<LRE>, <RLE>, <PDF>, <LRO>, <RLO>) en isolates U+2066 tot en met U+2069 (<LRI>, <RLI>, <FSI>, <PDI>) geven tekstrenderers de opdracht om de weergavevolgorde om te keren zonder de logische geheugenvolgorde te wijzigen. Aanvallers misbruiken niet-afgesloten bidi-stuurtekens om actieve voorwaardelijke checks te verbergen binnen commentaar of string-literals (CVE-2021-42574).
  2. Homogliefen-spoofing (UTS #39): Schrift-overschrijdende dubbelgangers (U+0430 Cyrillische а, U+03BF Griekse ο, U+FF21 volledige breedte A) stellen kwaadwillenden in staat om misleidende domeinnamen te vervalsen (IDN-homograafaanvallen), variabelen in broncode te overschaduwen (CVE-2021-42694) of trefwoordfilters te omzeilen.

Unicode Teken Inspector vs. Verwante Tekst- en Coderingstools

Kort antwoord: Gebruik de Unicode Teken Inspector om een string teken voor teken te controleren op verborgen stuurcodes, homogliefen en bytereksen. Gebruik de ASCII Tabel voor het opzoeken van codes 0 t/m 255, de Unicode-converter voor bulkconversies naar codepoints, of de Unicode Escape Tool voor taalspecifieke escape-literals.

Kies de juiste tool binnen het teken- en coderingscluster, afhankelijk van of je een onbekende string onderzoekt, een standaard bytetabel raadpleegt of string-literals transformeert voor broncode:

Mogelijkheid Unicode Teken Inspector ASCII Tabel Unicode-converter Unicode Escape Tool
Primaire Workflow Diagnostische controle per teken van geplakte strings of bestanden Interactieve referentietabel voor bytecodes 0–255 Bulkconversie tussen tekst, codepoints en byte-arrays Escapen en unescapen van string-literals voor broncode
Verborgen & Bidi-waarschuwingen Markeert <ZWSP>, <BOM>, <NBSP> en Trojan Source bidi-codes Toont C0- (0–31, 127) en C1-stuurcodes (128–159) Codeert stuurcodes numeriek zonder beveiligingsbadges Zet niet-ASCII-tekens om naar zichtbare \uXXXX-escapes
Homogliefendetectie Signaleert UTS #39 lookalikes tussen schriften en slimme interpunctie Dekt alleen 7-bits US-ASCII en ISO-8859-1 Latin-1 Geen analyse van verwarrende schriften Geen analyse van verwarrende schriften
Grafeem vs. UTF-16 Verschil Toont UAX #29 grafemen, scalairen, UTF-16-units en UTF-8-bytes Vaste tabelrijen van 1 byte (8-bit) Genereert volledige UTF-8-, UTF-16- en UTF-32-streams Behoudt of koppelt UTF-16-surrogaten (\uD83D\uDE80 vs. \u{1F680})
Taal-escapesyntaxis Toont ruwe hex-codepoints (U+XXXX) en bytewaarden Toont C/JS-escapes, caret-notatie (^M) en HTML-entities Formatteert hexadecimale/decimale codepoint-lijsten Specifieke escapemodi voor JS, JSON, Python, CSS, Rust en HTML
  • Schakel over naar de ASCII Tabel wanneer je snel een referentietabel nodig hebt voor 7-bits US-ASCII (0–127) en Extended Latin-1 (128–255) met binaire bitmaskers, octale codes en terminal caret-notatie.
  • Gebruik de Unicode-converter wanneer je een volledig tekstblok in één keer wilt omzetten naar doorlopende U+XXXX-lijsten of hexadecimale UTF-8/UTF-16/UTF-32-streams.
  • Gebruik de Unicode Escape Tool bij het voorbereiden of decoderen van \uXXXX-, \u{XXXXX}-, \xXX- of CSS \XXXXXX-reeksen voor JSON-payloads en bronbestanden, of open Tekens Tellen om teksten te controleren op SEO-metataglimieten en SMS GSM-7/UCS-2-segmentgrenzen.
Veelgestelde vragen

Unicode Teken Inspector FAQ en Technische Gids

Alles wat je moet weten over het gebruik van Utiliome's gratis online onzichtbare tekens controleren.

Waarom geeft JavaScript String.length een waarde van 2 of hoger terug voor één zichtbaar teken?

JavaScript, Java en C# meten de lengte van een string in 16-bits UTF-16-code-units in plaats van Unicode-scalairwaarden of UAX #29 extended grapheme clusters. Elk teken buiten de Basic Multilingual Plane (boven U+FFFF, zoals U+1F680 Raket) vereist een high en low surrogate pair, waardoor .length op 2 uitkomt. Samengestelde emoji-reeksen die zijn gekoppeld met U+200D Zero Width Joiner (<ZWJ>) en U+FE0F Variation Selector-16 combineren meerdere scalairwaarden tot één visueel symbool, wat vaak resulteert in .length-waarden tussen 5 en 11.

Welke onzichtbare Unicode-tekens veroorzaken de meeste fouten in JSON, YAML en broncode?

De vier grootste boosdoeners zijn U+00A0 No-Break Space (<NBSP>, op macOS vaak per ongeluk getypt met Option+Spatie, wat YAML-inspringing en SQL-parsers breekt), U+FEFF Byte Order Mark (<BOM>, dat midden in een bestand belandt bij het samenvoegen van bestanden die zijn opgeslagen door Windows-editors), U+200B Zero Width Space (<ZWSP>, meegekopieerd vanuit rich-text documenten, pdf's of chat-apps naar API-tokens) en typografische krulaanhalingstekens (U+201C en U+201D) die rechte ASCII-aanhalingstekens (U+0022) vervangen.

Hoe detecteer ik bidirectionele Trojan Source override-aanvallen in codefragmenten?

Trojan Source (CVE-2021-42574) maakt misbruik van negen bidirectionele Unicode-stuurtekens uit General Category 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>) en U+2069 (<PDI>) — om broncode-tokens visueel van volgorde te veranderen, zodat uitvoerbare statements tijdens een menselijke code-review op uitgeschakeld commentaar lijken. Door verdachte code in de inspector te plakken, wordt elk verborgen bidi-codepoint op zijn exacte tekenpositie zichtbaar gemaakt.

Waarom falen strikte gelijkheidscontroles bij twee visueel identieke strings met accenten?

Unicode staat onder UAX #15 meerdere canoniek equivalente weergaven toe. Zo is 'é' in Normalization Form C (NFC) één vooraf samengestelde scalairwaarde U+00E9 (UTF-8-bytes C3 A9), terwijl het in Normalization Form D (NFD) bestaat uit twee scalairwaarden: U+0065 ('e') gevolgd door Combining Acute Accent U+0301 (UTF-8-bytes 65 CC 81). Door beide strings te inspecteren zie je de afwijkende codepoint-reeksen, zodat je .normalize('NFC') kunt toepassen vóór het hashen of vergelijken.

Wordt geplakte tekst of geüploade data naar een server verzonden?

Nee. Tekensegmentatie, extractie van codepoints, berekening van UTF-8- en UTF-16LE/BE-bytes en controles op verwarrende homogliefen draaien volledig in je browser via native client-side JavaScript-API's. API-sleutels, productielogs en privé-codefragmenten blijven strikt in het lokale werkgeheugen.