Unicode 字元檢測器

在瀏覽器中逐字元拆解分析 Unicode 字串。

無須上傳無須註冊即時結果
Unicode 與 UTF-8/16零寬與同形異義字100% 本機處理 • 零上傳
檢視字元
離線引擎就緒瀏覽器內 100% 隱私安全 • 零雲端上傳
100% 保障隱私 • 零伺服器檔案上傳

為什麼使用 Utiliome 免費的 Unicode 字元檢測器?

專為嚴格隱私保護、即時執行與零門檻體驗而建置。無需訂閱、無付費牆、無需註冊帳號。

零寬不可見字元與雙向覆蓋檢測

精準揪出非列印控制字元與格式字元,包括 U+200B 零寬空格(ZWSP)、U+FEFF 位元組順序標記(BOM)、U+00A0 不換行空格(NBSP)、U+00AD 軟連字號以及「木馬原始碼」(Trojan Source)雙向文字控制符(U+202A 至 U+202E、U+2066 至 U+2069)。

UTF-8 與 UTF-16LE/BE 位元組級拆解

顯示符合 RFC 3629 的精確十六進位 UTF-8 位元組序列(1 至 4 位元組)以及 UTF-16LE 和 UTF-16BE 編碼單元,直觀呈現 U+FFFF 以上輔助平面的高低代理對(Surrogate Pairs)。

UAX #29 字素簇與編碼單元維度對比

將擴充字素簇(Extended Grapheme Clusters)與 Unicode 純量值數量、JavaScript UTF-16 編碼單元長度及 UTF-8 位元組長度進行並列對比,快速排查字串截斷亂碼與資料庫欄位溢位 Bug。

同形異義字診斷與零上傳隱私保護

完全在瀏覽器本機記憶體中標記符合 UTS #39 規範的易混淆字元(如西里爾字母與拉丁字母同形字)和排版彎引號,確保金鑰 Token、正式環境日誌與私有原始碼絕不離開您的裝置。

Utiliome 與傳統雲端工具對比

對比我們本機優先的 WebAssembly 引擎與傳統雲端轉換工具。

特性 Utiliome (本機瀏覽器) 傳統雲端轉換器
零寬不可見字元與雙向覆蓋檢測 精準揪出非列印控制字元與格式字元,包括 U+200B 零寬空格(ZWSP)、U+FEFF 位元組順序標記(BOM)、U+00A0 不換行空格(NBSP)、U+00AD 軟連字號以及「木馬原始碼」(Trojan Source)雙向文字控制符(U+202A 至 U+202E、U+2066 至 U+2069)。 僅提供基礎選項,缺乏進階自訂功能
UTF-8 與 UTF-16LE/BE 位元組級拆解 顯示符合 RFC 3629 的精確十六進位 UTF-8 位元組序列(1 至 4 位元組)以及 UTF-16LE 和 UTF-16BE 編碼單元,直觀呈現 U+FFFF 以上輔助平面的高低代理對(Surrogate Pairs)。 依賴外部軟體或繁瑣的手動處理
資料隱私與本機處理 100% 瀏覽器本機執行(零伺服器上傳,絕不外洩) 將資料上傳至第三方雲端伺服器(存在外洩風險)
使用成本與帳號要求 永久 100% 免費 · 免註冊登入 · 無浮水印 強制要求註冊登入或購買付費會員
運作方式

只需 3 步輕鬆使用 Unicode 字元檢測器

無需安裝任何軟體。一切均在您的網頁瀏覽器中直接執行。

1

貼上文字或拖入檔案

貼上疑似包含零寬字元、損壞 Emoji 序列或位元組長度異常的字串、識別碼、日誌項目,或直接上傳 UTF-8 檔案。

2

檢視逐字元中繼資料

檢視每個字元的 U+XXXX 純量碼位、Unicode 官方名稱、通用類別(General Category)、所屬區段(Block)、UTF-8 與 UTF-16LE/BE 十六進位位元組以及安全警告標籤。

3

篩選異常字元或複製純淨文字

一鍵篩選出不可見格式字元或易混淆同形異義字,剔除多餘的非列印碼位,或複製位元組級檢測表格用於提交 Bug 報告。

排查隱藏字元、代理對與同形異義字元

快速解答: 貼上任意字串即可將其拆解為獨立的 Unicode 純量值,直觀揭露 U+200B 零寬空格或 U+FEFF BOM 等不可見字元、多碼位 ZWJ Emoji 序列以及易混淆的非 ASCII 同形字,並同步呈現精確的 UTF-8 與 UTF-16 位元組序列。

剖析器(Parser)報錯、Webhook 簽章驗證失敗以及 SQL 查詢未命中,往往源於在終端機模擬器或程式碼編輯器中渲染效果完全相同(甚至完全不可見)的特殊字元。假設從文件入口網站或即時通訊軟體中複製了一段環境變數,肉眼看起來與 api_key=prod 完全一致:

Visual rendering:  api_key=prod
String.length:     14 (expected 12)
UTF-8 byte length: 19 bytes (expected 12 bytes)

將這段長度為 14 的字串放入 Unicode 字元檢測器中執行,就能立即揪出潛藏在看似純 ASCII 文字中的三處異常:開頭的位元組順序標記(<BOM>)、頂替拉丁字母 a 的西里爾同形字,以及夾在中間的零寬空格(<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"
  }
]

此外,本檢測器還能清晰解釋為什麼複合碼位 Emoji 在不同執行階段環境中會回報截然不同的字串長度。例如檢測單個視覺可見的工程師 Emoji 👨💻 時,工具會展示出它實際上是由 <ZWJ>(U+200D)連接的 3 個純量碼位組成,在 JavaScript 中佔用 5 個 UTF-16 編碼單元,而在 UTF-8 中佔用 11 個位元組:

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

Unicode 編碼機制、字素邊界與安全風險解析

快速解答: Unicode 將跨越 17 個平面的 1,112,064 個有效純量值映射為變長 UTF-8(遵循 RFC 3629,佔 1 至 4 位元組)或 UTF-16(遵循 RFC 2781,透過代理對佔 2 或 4 位元組)。字素簇、標準等價正規化形式與不可見雙向控制符之間的差異,往往是引發剖析器 Bug 與資安漏洞的根源。

純量值、UTF-8 前綴位元(RFC 3629)與 UTF-16 代理對(RFC 2781)

Unicode 編碼空間涵蓋 U+0000 至 U+10FFFF,共劃分為 17 個平面,每個平面包含 65,536 個碼位。扣除 2,048 個保留的代理區位置(U+D800 至 U+DFFF)後,共有 1,112,064 個有效的 Unicode 純量值(Scalar Values):

  • UTF-8 將第 0 平面基本拉丁字母(U+0000 至 U+007F)編碼為 1 位元組(0xxxxxxx),將 U+0080 至 U+07FF 編碼為 2 位元組(110xxxxx 10xxxxxx),將其餘基本多文種平面(BMP,U+0800 至 U+FFFF)字元編碼為 3 位元組(1110xxxx 10xxxxxx 10xxxxxx),並將輔助星光平面(U+10000 至 U+10FFFF)編碼為 4 位元組(11110xxx 10xxxxxx 10xxxxxx 10xxxxxx)。由於後續位元組始終以 10 開頭,UTF-8 具備自同步特性,且非空字元內部絕不會出現空位元組(0x00)。
  • UTF-16 直接使用單個 16 位元編碼單元表示 BMP 純量值。對於 U+10000 至 U+10FFFF 之間的字元,則先減去 0x10000 得到 20 位元偏移量(0x00000 至 0xFFFFF),再將高 10 位元拆分為前導/高代理項(High Surrogate,0xD800 至 0xDBFF),低 10 位元拆分為後尾/低代理項(Low Surrogate,0xDC00 至 0xDFFF)。UTF-16BE 將最高有效位元組排在前面(D8 3D DC 80),而 UTF-16LE 則在每個 16 位元單元內部反轉位元組順序(3D D8 80 DC)。

標準等價性(UAX #15)與字素切分(UAX #29)

視覺上完全相同的文字在底層往往具有不同的位元組表示。根據 Unicode 標準附件 #15(UAX #15),字元 é 在標準合成形式 C(NFC)下儲存為單個預合成碼位 U+00E9(UTF-8 為 C3 A9),而在標準分解形式 D(NFD)下則儲存為基礎字元 U+0065(e)加上組合用尖音符 U+0301(COMBINING ACUTE ACCENT,通用類別為 Mn,UTF-8 為 65 CC 81)。macOS 檔案系統會將檔案名稱正規化為偏向 NFD 的形式,而 Linux、Windows 和瀏覽器表單提交則預設使用 NFC——如果未先執行正規化,直接按位元組比較字串、查找 S3 物件鍵名或驗證 HMAC 簽章就會失敗。

同理,按 UTF-16 索引截斷字串(如 str.slice(0, 10))可能會將高代理項與低代理項硬生生劈開(產生孤立的未配對代理項,在序列化為 UTF-8 時變成 U+FFFD 替換字元),或者將基礎字元與其組合變音符號、變體選擇符(U+FE0E、U+FE0F)或區域旗幟指示符(U+1F1E6 至 U+1F1FF)分離。因此,面向使用者的字元切分必須嚴格遵循 UAX #29 擴充字素簇(Extended Grapheme Cluster)邊界。

木馬原始碼攻擊(`CVE-2021-42574`)與 UTS #39 易混淆字元

Unicode 中有兩類字元會帶來嚴峻的應用程式資安風險:

  1. 雙向覆蓋控制符(Cf):碼位 U+202A 至 U+202E(<LRE>、<RLE>、<PDF>、<LRO>、<RLO>)以及隔離控制符 U+2066 至 U+2069(<LRI>、<RLI>、<FSI>、<PDI>)會指示文字渲染器反轉顯示順序,而不改變記憶體中的邏輯順序。攻擊者可利用未閉合的雙向控制符將實際生效的條件判斷偽裝在註解或字串字面值內部(即 CVE-2021-42574)。
  2. 同形異義字欺騙(UTS #39):跨文種的外觀相似字元(如 U+0430 西里爾字母 а、U+03BF 希臘字母 ο、U+FF21 全形字母 A)可被攻擊者用於偽造欺騙性網域名稱(IDN 同形異義字攻擊)、在原始碼中遮蔽同名變數(CVE-2021-42694)或繞過關鍵字黑名單過濾。

Unicode 字元檢測器與同類編碼工具對比

快速解答: 需要逐字元審查隱藏控制符、同形異義字與位元組序列時,請使用 Unicode 字元檢測器;需要靜態查詢 0 至 255 編碼時使用 ASCII 碼對照表;需要批次轉換文字與碼位時使用 Unicode 轉換器;需要產生特定程式語言的跳脫字面值時則使用 Unicode 跳脫字元轉換工具。

在字元與編碼工具集中,您可以根據實際場景(診斷未知字串、查閱標準位元組表,或轉換原始碼中的字串字面值)選擇最合適的工具:

功能特性 Unicode 字元檢測器 ASCII 碼對照表 Unicode 轉換器 Unicode 跳脫字元轉換工具
核心工作流 對貼上的字串或檔案進行逐字元診斷審查 位元組碼 0–255 的互動式速查參考表 文字、碼位與位元組陣列之間的批次互轉 原始碼字串字面值的跳脫與反跳脫
隱藏與雙向字元警告 醒目提示 <ZWSP>、<BOM>、<NBSP> 及木馬原始碼雙向控制符 列出 C0(0–31、127)與 C1(128–159)控制碼 僅將控制碼轉換為數值編碼,無資安警告標記 將非 ASCII 字元轉換為可見的 \uXXXX 跳脫序列
同形異義字檢測 標記跨文種 UTS #39 易混淆字元與排版彎標點 僅涵蓋 7 位元 US-ASCII 與 ISO-8859-1 Latin-1 不提供易混淆字元分析 不提供易混淆字元分析
字素與 UTF-16 差異 顯示 UAX #29 字素簇、純量碼位、UTF-16 單元與 UTF-8 位元組 固定 1 位元組(8-bit)表格列 輸出完整的 UTF-8、UTF-16 與 UTF-32 位元組串流 保留或配對 UTF-16 代理項(\uD83D\uDE80 與 \u{1F680})
程式語言跳脫語法 顯示原始十六進位碼位(U+XXXX)與位元組值 顯示 C/JS 跳脫字元、插入號表示法(^M)與 HTML 實體 格式化輸出十六進位/十進位碼位清單 提供專屬的 JS、JSON、Python、CSS、Rust 與 HTML 跳脫模式
  • 當您需要快速查閱 7 位元 US-ASCII(0–127)與擴充 Latin-1(128–255)的二進位位元遮罩、八進位編碼及終端機插入號表示法時,請切換至 ASCII 碼對照表。
  • 當您希望將整段文字批次轉換為連續的 U+XXXX 清單或 UTF-8/UTF-16/UTF-32 十六進位位元組串流時,請使用 Unicode 轉換器。
  • 當您需要為 JSON 承載資料(Payload)或原始碼檔案建構或解碼 \uXXXX、\u{XXXXX}、\xXX 或 CSS \XXXXXX 跳脫序列時,請使用 Unicode 跳脫字元轉換工具;若需檢查文案是否符合 SEO Meta 標籤或簡訊 GSM-7/UCS-2 分段長度限制,則可開啟 字數統計工具。
常見問題

Unicode 字元檢測器 常見問題解答與技術指南

了解使用 Utiliome 免費線上 unicode 字元檢測 的一切須知。

為什麼明明只有一個可見字元,JavaScript 的 String.length 卻回傳 2 甚至更大?

JavaScript、Java 和 C# 是以 16 位元 UTF-16 編碼單元(Code Units)來衡量字串長度的,而非按 Unicode 純量值或 UAX #29 擴充字素簇計算。任何位於基本多文種平面之外(即高於 U+FFFF,例如 U+1F680 火箭 Emoji)的字元都需要由一對高低代理項(Surrogate Pair)表示,因此其 .length 為 2。而由 U+200D 零寬連接符(<ZWJ>)和 U+FE0F 變體選擇符-16 組合而成的複合 Emoji 序列,會將多個純量值拼接為一個視覺字形,其 .length 往往在 5 到 11 之間。

哪些不可見的 Unicode 字元最容易導致 JSON、YAML 和原始碼報錯?

最常見的四大元兇是:U+00A0 不換行空格(<NBSP>,在 macOS 上常因誤按 Option+Space 輸入,極易破壞 YAML 縮排與 SQL 剖析器)、U+FEFF 位元組順序標記(<BOM>,在串接由 Windows 編輯器儲存的檔案時常被夾雜在文字串流中間)、U+200B 零寬空格(<ZWSP>,從富文字文件、PDF 或通訊軟體複製 API Token 時極易混入),以及替換了 ASCII 直引號(U+0022)的排版彎引號(U+201C 與 U+201D)。

如何檢測程式碼片段中的「木馬原始碼」(Trojan Source)雙向覆蓋攻擊?

Trojan Source 漏洞(CVE-2021-42574)利用了 9 個屬於 Unicode 通用類別 Cf 的雙向控制字元——U+202A(<LRE>)、U+202B(<RLE>)、U+202C(<PDF>)、U+202D(<LRO>)、U+202E(<RLO>)、U+2066(<LRI>)、U+2067(<RLI>)、U+2068(<FSI>)和 U+2069(<PDI>)——在視覺上重排原始碼 Token 的顯示順序,使實際可執行的程式敘述在人工程式碼審查時看起來像是被註解掉了。將可疑原始碼貼到本檢測器中,即可在精確的字元索引位置處揪出每一個隱藏的雙向控制碼位。

為什麼兩個肉眼看起來完全相同的帶重音符號字串,在進行嚴格相等比較時會失敗?

根據 UAX #15 規範,Unicode 允許存在多種標準等價(Canonically Equivalent)的編碼表示。例如,字元 'é' 在標準合成形式 C(NFC)下是單個預合成純量值 U+00E9(UTF-8 位元組為 C3 A9),而在標準分解形式 D(NFD)下則由兩個純量值組成:基礎字元 U+0065('e')緊跟組合用尖音符 U+0301(UTF-8 位元組為 65 CC 81)。同時檢測這兩個字串即可看清它們底層的碼位序列差異,從而在計算雜湊或比較相等性之前先呼叫 .normalize('NFC') 進行統一正規化。

貼上的文字或上傳的檔案會傳送到伺服器嗎?

不會。字元切分、碼位擷取、UTF-8 與 UTF-16LE/BE 位元組計算以及易混淆同形異義字檢測,全部使用原生用戶端 JavaScript API 在您的瀏覽器本機執行。API 金鑰、正式環境日誌與私有原始碼片段嚴格保留在本機記憶體中,絕不外傳。