Unicode 转义 / 反转义

Unicode 码点、UTF-16 与转义表示

Unicode 为每个抽象字符分配码点，通常写成 U+ 加十六进制，例如 A 是 U+0041，😀 是 U+1F600。码点不同于 UTF-8 字节，也不总等于 JavaScript 的一个字符串索引。

JavaScript 字符串使用 UTF-16。基本多文种平面内通常是一个 16 位码元，可写为 \u4F60；U+FFFF 以上需要代理对，所以 U+1F600 在四位形式中是 \uD83D\uDE00。现代 \u{1F600} 可直接写标量。

本工具把表示与执行完全分开，只识别 U+ 令牌、\uXXXX 和 \u{…}。它不会调用 eval、Function、脚本元素或把输入当可执行代码。

如何转义与反转义 Unicode

1. 要检查普通文本时选择编码。
2. 按用途选择 U+ 文档形式、\u{…} 标量形式或展示 UTF-16 码元的 \uXXXX。
3. 已有表示法时选择解码，输入 U+ 列表或受支持的转义序列。
4. 遇到代理项或范围错误时修正源数据，工具不会自动替换。
5. 得到文本后仍需按 HTML、URL、JSON 等目标上下文继续正确转义。

Unicode 码点与转义示例

同一字符可以表示为标量码点、花括号转义，或一个/两个 UTF-16 四位转义。示例在不执行代码的情况下展示差异。

受支持语法与 Unicode 标量规则

码点输入必须完全由 U+ 和 1-6 位十六进制组成，以空白或逗号分隔。数值范围是 U+0000 到 U+10FFFF，不能落入 U+D800-U+DFFF 代理区。

转义输入可包含四位 \uXXXX 码元和 1-6 位 \u{…} 标量。高代理项必须紧接低代理项，低代理项不能单独出现。

• 十六进制输入不区分大小写，输出使用大写便于阅读。
• 花括号形式直接表示标量并拒绝代理区。
• 四位形式表示 UTF-16 码元，补充字符需要两个转义。
• 普通文本中的未配对代理项会被拒绝。
• 引号、拼接、函数调用等源代码不属于语法。

代理对如何计算与校验

输出码点时按 Unicode 字符迭代，合法高低代理项会组合为一个标量，再格式化为 U+ 或花括号形式。

输出 \uXXXX 时按 UTF-16 码元迭代。补充标量减去 0x10000 后，高 10 位加到 0xD800，低 10 位加到 0xDC00。

解码时，U+ 和花括号值先做标量范围校验；四位码元按顺序扫描，高代理项必须配对。解析器不识别 \x、八进制、模板表达式或 JavaScript 语句。

Unicode 表示法适用场景

当文本外观含糊时，码点能揭示实际序列。它是诊断和文档工具，不是通用安全转义。

Unicode 错误与安全边界

未配对代理项是格式错误的 UTF-16，不同编码器可能替换、拒绝或保留。工具选择拒绝，避免悄悄产生 U+FFFD。

反转义不会让结果自动安全。解码后的 <、%、引号仍可能影响 HTML、URL、JSON 或 SQL，必须按目标上下文编码。

• U+110000 超过 Unicode 上限。
• U+D800 不是标量值。
• 单独的 \uD83D 会被拒绝。
• \u{XYZ} 含非法十六进制。
• alert(1) 不会被当作转义，更不会执行。

Unicode 转义与 JSON、HTML、URL 编码

Unicode 转义描述字符或 UTF-16 码元；JSON 还定义引号、反斜杠和完整文档语法。HTML 实体与 URL 百分号编码解决的是各自上下文中的语法问题。

😀 可以是码点 1F600、UTF-16 码元 D83D DE00，或 UTF-8 字节 F0 9F 98 80。不同层次都可能正确。