Převodník Unicode / UTF
Zadej kódový bod (např. U+1F037), libovolný znak nebo hexadecimální bajty z UTF-8/16/32. Uvidíš zakódování v UTF-8, UTF-16 (BE i LE) a UTF-32 (BE i LE) včetně rozpisu bitů a náhradních párů.
Vstup
Informace o znaku
Přehled všech kódování
Převod celého textu
Jak kódování UTF funguje
- Kódový bod (U+0000 až U+10FFFF): unikátní číslo znaku. Rozsah
U+D800–U+DFFFje vyhrazen pro náhradní páry UTF-16 a neobsahuje samostatné znaky. - UTF-8: proměnná délka 1–4 bajty (nezávisí na endianitě). Šablony:
0xxxxxxx(≤ 0x7F),110xxxxx 10xxxxxx(≤ 0x7FF),1110xxxx 10xxxxxx 10xxxxxx(≤ 0xFFFF),11110xxx 10xxxxxx 10xxxxxx 10xxxxxx(≤ 0x10FFFF). - UTF-16: znaky v BMP (
U+0000–U+FFFF) se uloží přímo do jedné 16bitové jednotky (2 bajty). Znaky odU+10000se rozdělí na náhradní pár (surrogate pair): odečte se0x10000, horních 10 bitů +0xD800dá horní jednotku (high) a dolních 10 bitů +0xDC00dá dolní jednotku (low). - UTF-32: pevná délka 4 bajty (32 bitů), obsahuje přímo hodnotu kódového bodu.
- Big Endian (BE) vs. Little Endian (LE): u BE je nejvýznamnější bajt (MSB) první (jak čteme čísla zleva doprava); u LE je první nejméně významný bajt (LSB). Pozor u UTF-16LE: obrací se pořadí bajtů uvnitř každé 16bitové jednotky, pořadí horního a dolního surrogatu zůstává zachováno (
D8 3C DC 37→3C D8 37 DC).