Codificador / decodificador de escapes Unicode
Convierte caracteres en escapes \uXXXX y al revés, con pares substitutos correctos para emoji y caracteres del plano suplementario — más punto de código, bytes UTF-8 y unidades UTF-16 por carácter.
| Carácter | Punto de código | bytes UTF-8 | unidades UTF-16 |
|---|---|---|---|
| 你 | U+4F60 | 0xE4 0xBD 0xA0 | U+4F60 |
| 好 | U+597D | 0xE5 0xA5 0xBD | U+597D |
| , | U+002C | 0x2C | U+002C |
| U+0020 | 0x20 | U+0020 | |
| 😀 | U+1F600 | 0xF0 0x9F 0x98 0x80 | U+D83D |
| U+0020 | 0x20 | U+0020 | |
| A | U+0041 | 0x41 | U+0041 |
Qué es
Cada carácter vive en una posición numerada: la A es U+0041, el 中 es U+4E2D. En JavaScript se escriben como escapes \uXXXX. El giro: los emoji y caracteres raros viven más allá de las primeras 65536 casillas, así que un emoji no es un \uXXXX sino un par, llamado par sustituto: la carita sonriente se convierte en \uD83D\uDE00. Esta herramienta maneja ambos planos correctamente y muestra el punto de código, los bytes UTF-8 y las unidades UTF-16 de cada carácter.
Notas y curiosidades
¿Por qué una carita necesita dos escapes? Porque el sistema se diseñó cuando 65536 casillas parecían infinitas, y los emoji llegaron décadas después. Los ingenieros entonces remendaron: reservar el rango D800–DFFF. Un sustituto alto seguido de uno bajo significa un solo carácter grande. El remendó funcionó tan bien que hoy nadie se atreve a quitarlo.
Origen e historia
El Consorcio Unicode publicó la primera norma Unicode en octubre de 1991. La versión 2.0 (julio de 1996) elevó el límite a más de un millón de posiciones e introdujo UTF-16 con pares substitutos, de la mano de Peter Hartke y el Comité Técnico de Unicode — por eso los emoji hoy siempre forman dos escapes.
Palabras clave relacionadas
Comentarios
¿Encontraste un problema con alguna herramienta o tienes una sugerencia? Escríbenos por correo — leemos cada mensaje.
