Trình Kiểm Tra Ký Tự Unicode

Phân tích chuỗi Unicode từng ký tự ngay trên trình duyệt.

Không tải lên máy chủKhông cần đăng kýKết quả tức thì
Unicode & UTF-8/16Độ rộng 0 & đồng hình100% Cục bộ • Không tải lên
Kiểm tra ký tự
Công cụ ngoại tuyến đã sẵn sàngKhông gian làm việc 100% riêng tư trên trình duyệt • Zero tải lên đám mây
Bảo mật 100% • Không tải file lên máy chủ

Tại sao nên dùng Trình Kiểm Tra Ký Tự Unicode miễn phí của Utiliome?

Xây dựng cho sự riêng tư tuyệt đối, xử lý tức thì và không có rào cản. Không yêu cầu đăng ký hay trả phí.

Phát Hiện Ký Tự Ẩn & Ghi Đè Hai Chiều (Bidi)

Làm lộ diện các ký tự điều khiển và định dạng không hiển thị như U+200B ZWSP, U+FEFF BOM, U+00A0 NBSP, U+00AD Soft Hyphen và các mã ghi đè hai chiều Trojan Source (U+202A đến U+202E, U+2066 đến U+2069).

Phân Tích Chi Tiết Byte UTF-8 & UTF-16LE/BE

Hiển thị chính xác chuỗi byte thập lục phân UTF-8 (1 đến 4 byte theo RFC 3629) cùng các đơn vị mã UTF-16LE và UTF-16BE, vạch trần các cặp thay thế (surrogate pairs) cho các mặt phẳng bổ sung trên U+FFFF.

Đo Lường Cụm Grapheme UAX #29 so với Code Unit

So sánh các cụm grapheme mở rộng với số lượng giá trị vô hướng Unicode, đơn vị mã UTF-16 của JavaScript và độ dài byte UTF-8 để chẩn đoán lỗi cắt chuỗi hoặc tràn cột cơ sở dữ liệu.

Chẩn Đoán Homoglyph & Bảo Mật Không Tải Lên

Gắn cờ các ký tự dễ gây nhầm lẫn theo UTS #39 như chữ Kirin giống chữ Latinh và dấu câu thông minh hoàn toàn ở phía client trong bộ nhớ trình duyệt, đảm bảo token, log và mã nguồn không bao giờ rời khỏi thiết bị.

Utiliome so với các giải pháp Đám mây truyền thống

So sánh công nghệ WebAssembly xử lý nội bộ của chúng tôi với các công cụ đám mây cũ.

Tính năng Utiliome (Trình duyệt nội bộ) Công cụ đám mây truyền thống
Phát Hiện Ký Tự Ẩn & Ghi Đè Hai Chiều (Bidi) Làm lộ diện các ký tự điều khiển và định dạng không hiển thị như U+200B ZWSP, U+FEFF BOM, U+00A0 NBSP, U+00AD Soft Hyphen và các mã ghi đè hai chiều Trojan Source (U+202A đến U+202E, U+2066 đến U+2069). Tùy chọn hạn chế, thiếu tùy chỉnh nâng cao
Phân Tích Chi Tiết Byte UTF-8 & UTF-16LE/BE Hiển thị chính xác chuỗi byte thập lục phân UTF-8 (1 đến 4 byte theo RFC 3629) cùng các đơn vị mã UTF-16LE và UTF-16BE, vạch trần các cặp thay thế (surrogate pairs) cho các mặt phẳng bổ sung trên U+FFFF. Cần công cụ bên ngoài hoặc xử lý thủ công
Quyền riêng tư & Xử lý dữ liệu Xử lý cục bộ 100% trong trình duyệt (không tải lên máy chủ) Tải dữ liệu lên máy chủ đám mây bên thứ ba
Chi phí & Yêu cầu tài khoản Miễn phí 100% mãi mãi, không cần đăng ký Yêu cầu đăng ký tài khoản hoặc trả phí thuê bao
Cách thức hoạt động

Cách sử dụng Trình Kiểm Tra Ký Tự Unicode qua 3 bước đơn giản

Không cần cài đặt phần mềm. Mọi thứ hoạt động trực tiếp trên trình duyệt web của bạn.

1

Dán Văn Bản hoặc Kéo Thả Tệp

Dán một chuỗi, tên định danh, dòng log hoặc tải lên tệp UTF-8 nghi ngờ có chứa ký tự zero-width, chuỗi emoji bị lỗi hoặc độ dài byte bất thường.

2

Kiểm Tra Siêu Dữ Liệu Từng Ký Tự

Xem xét mã code point vô hướng U+XXXX, tên Unicode chính thức, General Category, phân vùng block, byte hex UTF-8 và UTF-16LE/BE cùng huy hiệu cảnh báo bảo mật của từng ký tự.

3

Cô Lập Điểm Bất Thường hoặc Sao Chép Chuỗi Sạch

Lọc trực tiếp các ký tự định dạng ẩn hoặc homoglyph gây nhầm lẫn, loại bỏ các code point không in ra được, hoặc sao chép bảng phân tích mức byte để đính kèm vào báo cáo lỗi.

Kiểm Tra Ký Tự Ẩn, Cặp Surrogate và Ký Tự Đồng Hình (Homoglyph)

Trả lời nhanh: Dán bất kỳ chuỗi nào để phân rã thành từng giá trị vô hướng Unicode riêng biệt, làm lộ diện các ký tự vô hình như U+200B Zero Width Space hoặc U+FEFF BOM, các chuỗi emoji đa code point nối bằng ZWJ và các ký tự non-ASCII dễ gây nhầm lẫn cùng chuỗi byte UTF-8 và UTF-16 chính xác.

Lỗi trình phân tích cú pháp (parser), sai lệch chữ ký webhook và truy vấn SQL thất bại thường bắt nguồn từ những ký tự hiển thị giống hệt nhau—hoặc hoàn toàn vô hình—trong thiết bị đầu cuối (terminal) và trình soạn thảo mã. Hãy xét một biến môi trường được sao chép từ cổng tài liệu hoặc tin nhắn trò chuyện trông giống hệt như api_key=prod:

Hiển thị trực quan: api_key=prod
String.length:      14 (dự kiến 12)
Độ dài byte UTF-8:  19 byte (dự kiến 12 byte)

Khi đưa chuỗi 14 đơn vị mã đó qua Trình Kiểm Tra Ký Tự Unicode, công cụ sẽ vạch trần ba điểm bất thường riêng biệt ẩn bên trong văn bản tưởng chừng như chỉ là ASCII thuần túy: một dấu Byte Order Mark (<BOM>) ở đầu chuỗi, một ký tự đồng hình Kirin thay thế chữ a Latinh, và một khoảng trắng độ rộng bằng không (<ZWSP>) nằm xen kẽ:

[
  {
    "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": "Ký tự định dạng độ rộng bằng không vô hình"
  },
  {
    "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": "Homoglyph dễ nhầm lẫn với chữ Latinh 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": "Ký tự định dạng độ rộng bằng không vô hình"
  }
]

Công cụ kiểm tra cũng làm rõ lý do tại sao các emoji đa code point lại trả về độ dài hoàn toàn khác nhau giữa các môi trường thực thi (runtime). Khi kiểm tra một emoji kỹ sư công nghệ hiển thị duy nhất là 👨💻, ta thấy ba code point vô hướng được nối với nhau bởi <ZWJ> (U+200D), chiếm 5 đơn vị mã UTF-16 trong JavaScript và 11 byte trong UTF-8:

Cụm grapheme (UAX #29):         1   -> [ "👨💻" ]
Code point vô hướng Unicode:    3   -> U+1F468 (Nam) + U+200D (<ZWJ>) + U+1F4BB (Laptop)
Đơn vị mã UTF-16 (.length):     5   -> D83D DC68 + 200D + D83D DCBB
Byte mã hóa UTF-8:              11  -> F0 9F 91 A8 + E2 80 8D + F0 9F 92 BB

Cơ Chế Mã Hóa Unicode, Ranh Giới Grapheme và Rủi Ro Bảo Mật

Trả lời nhanh: Unicode ánh xạ 1.112.064 giá trị vô hướng hợp lệ trên 17 mặt phẳng thành UTF-8 có độ rộng biến thiên (1 đến 4 byte theo RFC 3629) hoặc UTF-16 (2 hoặc 4 byte thông qua cặp surrogate theo RFC 2781). Sự khác biệt giữa cụm grapheme, các dạng chuẩn hóa chính tắc và mã điều khiển bidi ẩn thường gây ra lỗi trình phân tích và lỗ hổng bảo mật.

Giá Trị Vô Hướng, Các Bit Tiền Tố UTF-8 (RFC 3629) và Cặp Surrogate UTF-16 (RFC 2781)

Không gian mã Unicode trải dài từ U+0000 đến U+10FFFF trên 17 mặt phẳng (plane), mỗi mặt phẳng gồm 65.536 code point. Nếu loại trừ 2.048 vị trí surrogate dành riêng (U+D800 đến U+DFFF), có chính xác 1.112.064 giá trị vô hướng Unicode (Unicode scalar values):

  • UTF-8 mã hóa vùng Basic Latin trên Mặt phẳng 0 (U+0000 đến U+007F) bằng 1 byte (0xxxxxxx), từ U+0080 đến U+07FF bằng 2 byte (110xxxxx 10xxxxxx), các ký tự còn lại thuộc Mặt phẳng Đa ngôn ngữ Cơ bản - BMP (U+0800 đến U+FFFF) bằng 3 byte (1110xxxx 10xxxxxx 10xxxxxx), và các mặt phẳng bổ sung phía trên (U+10000 đến U+10FFFF) bằng 4 byte (11110xxx 10xxxxxx 10xxxxxx 10xxxxxx). Vì các byte tiếp nối luôn bắt đầu bằng 10, UTF-8 có khả năng tự đồng bộ hóa và không bao giờ chứa byte null (0x00) bên trong các ký tự khác null.
  • UTF-16 biểu diễn trực tiếp các giá trị vô hướng thuộc BMP thành một đơn vị mã 16-bit. Các ký tự từ U+10000 đến U+10FFFF sẽ trừ đi 0x10000 để tạo ra một độ lệch 20-bit (0x00000 đến 0xFFFFF), chia 10 bit cao thành high/lead surrogate (0xD800 đến 0xDBFF) và 10 bit thấp thành low/trail surrogate (0xDC00 đến 0xDFFF). UTF-16BE tuần tự hóa byte có trọng số lớn nhất trước (D8 3D DC 80), trong khi UTF-16LE đảo ngược thứ tự byte bên trong mỗi đơn vị 16-bit (3D D8 80 DC).

Tương Đương Chính Tắc (UAX #15) và Phân Đoạn Grapheme (UAX #29)

Văn bản giống hệt nhau về mặt thị giác thường có cách biểu diễn byte bên dưới khác nhau. Theo Phụ lục Tiêu chuẩn Unicode #15 (UAX #15), chữ é có thể được lưu trữ ở Dạng Chuẩn Hóa C (NFC) dưới dạng ký tự dựng sẵn U+00E9 (UTF-8 C3 A9) hoặc ở Dạng Chuẩn Hóa D (NFD) dưới dạng ký tự cơ sở U+0065 (e) theo sau bởi U+0301 (COMBINING ACUTE ACCENT, General Category Mn, UTF-8 65 CC 81). Hệ thống tệp của macOS chuẩn hóa tên tệp theo dạng NFD trong khi Linux, Windows và dữ liệu gửi từ biểu mẫu trình duyệt mặc định dùng NFC—khiến các phép so sánh chuỗi theo từng byte đơn thuần, tra cứu khóa đối tượng S3 và kiểm tra HMAC bị thất bại trừ khi được chuẩn hóa trước.

Tương tự, việc cắt chuỗi theo chỉ mục UTF-16 (str.slice(0, 10)) có thể cắt rời một high surrogate khỏi low surrogate của nó (tạo ra các surrogate đơn độc bị chuyển thành ký tự thay thế U+FFFD trong UTF-8) hoặc tách rời ký tự cơ sở khỏi dấu phụ kết hợp, bộ chọn biến thể (U+FE0E, U+FE0F), hoặc chỉ báo cờ khu vực (U+1F1E6 đến U+1F1FF). Các ký tự theo cảm nhận của người dùng phải được phân đoạn dọc theo ranh giới cụm grapheme mở rộng UAX #29.

Trojan Source (`CVE-2021-42574`) và Ký Tự Gây Nhầm Lẫn UTS #39

Hai nhóm ký tự trong Unicode tiềm ẩn rủi ro bảo mật ứng dụng nghiêm trọng:

  1. Ghi Đè Hai Chiều (Cf): Các code point từ U+202A đến U+202E (<LRE>, <RLE>, <PDF>, <LRO>, <RLO>) và các mã cô lập từ U+2066 đến U+2069 (<LRI>, <RLI>, <FSI>, <PDI>) chỉ thị cho trình kết xuất văn bản đảo ngược thứ tự hiển thị mà không làm thay đổi thứ tự bộ nhớ logic. Kẻ tấn công lợi dụng các mã điều khiển bidi không đóng để ngụy trang các câu lệnh điều kiện đang hoạt động bên trong chú thích hoặc chuỗi ký tự (CVE-2021-42574).
  2. Giả Mạo Homoglyph (UTS #39): Các ký tự có hình dáng tương tự nhau giữa các hệ chữ viết (U+0430 chữ Kirin а, U+03BF chữ Hy Lạp ο, U+FF21 chữ Fullwidth A) cho phép kẻ tấn công giả mạo tên miền lừa đảo (tấn công IDN homograph), che khuất biến trong mã nguồn (CVE-2021-42694), hoặc vượt qua danh sách chặn từ khóa.

Trình Kiểm Tra Ký Tự Unicode so với Các Công Cụ Văn Bản và Mã Hóa Cùng Nhóm

Trả lời nhanh: Sử dụng Trình Kiểm Tra Ký Tự Unicode để kiểm toán chuỗi từng ký tự nhằm tìm mã điều khiển ẩn, homoglyph và chuỗi byte. Sử dụng Tra Cứu Bảng Mã ASCII để tra cứu mã tĩnh từ 0 đến 255, Trình chuyển đổi Unicode để chuyển đổi hàng loạt văn bản sang code point, hoặc Công cụ Unicode Escape cho chuỗi escape theo ngôn ngữ.

Hãy chọn đúng tiện ích trong nhóm công cụ ký tự và mã hóa dựa trên việc bạn đang chẩn đoán một chuỗi chưa rõ, tra cứu bảng byte tiêu chuẩn, hay chuyển đổi chuỗi ký tự cho mã nguồn:

Khả năng Trình Kiểm Tra Ký Tự Unicode Tra Cứu Bảng Mã ASCII Trực Tuyến Trình chuyển đổi Unicode Công cụ Unicode Escape
Quy trình chính Kiểm toán chẩn đoán từng ký tự của chuỗi dán vào hoặc tệp Bảng tham chiếu tương tác cho mã byte 0–255 Chuyển đổi hàng loạt giữa văn bản, code point và mảng byte Escape và unescape chuỗi ký tự trong mã nguồn
Cảnh báo Ký tự ẩn & Bidi Làm nổi bật <ZWSP>, <BOM>, <NBSP> và mã bidi Trojan Source Liệt kê mã điều khiển C0 (0–31, 127) và C1 (128–159) Mã hóa các mã điều khiển thành số mà không có huy hiệu bảo mật Chuyển đổi ký tự non-ASCII thành chuỗi escape \uXXXX hiển thị
Phát hiện Homoglyph Gắn cờ ký tự giống nhau đa hệ chữ UTS #39 và dấu câu thông minh Chỉ bao gồm US-ASCII 7-bit và ISO-8859-1 Latin-1 Không phân tích hệ chữ gây nhầm lẫn Không phân tích hệ chữ gây nhầm lẫn
So sánh Grapheme và UTF-16 Hiển thị grapheme UAX #29, điểm vô hướng, đơn vị UTF-16 và byte UTF-8 Các hàng bảng cố định 1-byte (8-bit) Xuất toàn bộ luồng UTF-8, UTF-16 và UTF-32 Giữ nguyên hoặc ghép cặp surrogate UTF-16 (\uD83D\uDE80 so với \u{1F680})
Cú pháp Escape Ngôn ngữ Hiển thị code point hex thô (U+XXXX) và giá trị byte Hiển thị escape C/JS, ký hiệu caret (^M) và thực thể HTML Định dạng danh sách code point hệ thập lục phân/thập phân Chế độ escape chuyên dụng cho JS, JSON, Python, CSS, Rust và HTML
  • Chuyển sang Tra Cứu Bảng Mã ASCII Trực Tuyến khi bạn cần bảng tra cứu nhanh cho mặt nạ bit nhị phân US-ASCII 7-bit (0–127) và Extended Latin-1 (128–255), mã bát phân và ký hiệu caret trong terminal.
  • Sử dụng Trình chuyển đổi Unicode khi bạn muốn chuyển đổi hàng loạt toàn bộ khối văn bản thành danh sách U+XXXX liên tục hoặc luồng thập lục phân UTF-8/UTF-16/UTF-32.
  • Sử dụng Công cụ Unicode Escape khi chuẩn bị hoặc giải mã các chuỗi \uXXXX, \u{XXXXX}, \xXX, hoặc CSS \XXXXXX cho payload JSON và tệp mã nguồn, hoặc mở Bộ đếm ký tự khi kiểm tra nội dung theo giới hạn thẻ meta SEO và phân đoạn SMS GSM-7/UCS-2.
Câu hỏi thường gặp

Câu hỏi thường gặp và Hướng dẫn kỹ thuật Trình Kiểm Tra Ký Tự Unicode

Mọi thông tin cần biết khi sử dụng công cụ kiểm tra ký tự ẩn unicode trực tuyến miễn phí của Utiliome.

Tại sao String.length trong JavaScript lại trả về 2 hoặc lớn hơn cho một ký tự hiển thị duy nhất?

JavaScript, Java và C# đo độ dài chuỗi bằng đơn vị mã UTF-16 16-bit thay vì giá trị vô hướng Unicode hay cụm grapheme mở rộng UAX #29. Bất kỳ ký tự nào nằm ngoài Mặt phẳng Đa ngôn ngữ Cơ bản (trên U+FFFF, chẳng hạn như U+1F680 Tên lửa) đều yêu cầu một cặp high và low surrogate, khiến thuộc tính .length của nó bằng 2. Các chuỗi emoji tổ hợp được nối bằng U+200D Zero Width Joiner (<ZWJ>) và U+FE0F Variation Selector-16 kết hợp nhiều giá trị vô hướng thành một hình ảnh hiển thị duy nhất, thường tạo ra giá trị .length từ 5 đến 11.

Những ký tự Unicode vô hình nào thường làm lỗi JSON, YAML và mã nguồn nhất?

Bốn thủ phạm phổ biến nhất là U+00A0 No-Break Space (<NBSP>, thường vô tình gõ nhầm qua tổ hợp Option+Space trên macOS, làm hỏng thụt lề YAML và trình phân tích SQL), U+FEFF Byte Order Mark (<BOM>, bị nhúng vào giữa luồng khi nối các tệp được lưu bởi trình soạn thảo trên Windows), U+200B Zero Width Space (<ZWSP>, bị sao chép từ tài liệu rich-text, PDF hoặc ứng dụng chat vào API token), và dấu ngoặc kép thông minh (U+201C và U+201D) thay thế cho dấu ngoặc kép thẳng ASCII (U+0022).

Làm thế nào để phát hiện các cuộc tấn công ghi đè hai chiều Trojan Source trong đoạn mã?

Trojan Source (CVE-2021-42574) khai thác chín ký tự điều khiển hai chiều thuộc General Category Cf của Unicode—U+202A (<LRE>), U+202B (<RLE>), U+202C (<PDF>), U+202D (<LRO>), U+202E (<RLO>), U+2066 (<LRI>), U+2067 (<RLI>), U+2068 (<FSI>) và U+2069 (<PDI>)—để sắp xếp lại thứ tự hiển thị của các token mã nguồn sao cho các câu lệnh thực thi trông như đã bị đóng chú thích khi con người duyệt mã (code review). Việc dán đoạn mã đáng ngờ vào trình kiểm tra sẽ làm lộ diện mọi code point bidi ẩn tại đúng chỉ mục ký tự của nó.

Tại sao hai chuỗi có dấu trông giống hệt nhau lại thất bại khi so sánh bằng nghiêm ngặt (strict equality)?

Unicode cho phép nhiều cách biểu diễn tương đương chính tắc theo UAX #15. Ví dụ: chữ 'é' ở Dạng Chuẩn Hóa C (NFC) là một giá trị vô hướng dựng sẵn duy nhất U+00E9 (byte UTF-8 là C3 A9), trong khi ở Dạng Chuẩn Hóa D (NFD), nó bao gồm hai giá trị vô hướng: U+0065 ('e') theo sau bởi dấu sắc kết hợp Combining Acute Accent U+0301 (byte UTF-8 là 65 CC 81). Việc kiểm tra cả hai chuỗi sẽ vạch trần chuỗi code point khác nhau để bạn có thể áp dụng .normalize('NFC') trước khi băm (hash) hoặc so sánh.

Văn bản dán vào hoặc dữ liệu tải lên có bị truyền tới máy chủ nào không?

Không. Quá trình phân đoạn ký tự, trích xuất code point, tính toán byte UTF-8 và UTF-16LE/BE cũng như kiểm tra homoglyph dễ nhầm lẫn đều chạy hoàn toàn trong trình duyệt của bạn bằng các API JavaScript phía client gốc. Khóa API, log môi trường production và các đoạn mã nguồn riêng tư được giữ nghiêm ngặt trong bộ nhớ cục bộ.