Consulta de codificación de caracteres

Funciones

• Punto de código, decimal, bytes UTF-8 y unidades UTF-16, todo de una vez
• Entidad HTML (中) y codificación URL (%E4%B8%AD) listas para pegar
• Los caracteres invisibles reciben un sustituto: espacio, tabulador, espacio de no separación, ancho cero
• Categoría: ideograma han, letra, dígito, puntuación, emoji, control, formato
• El bloque al que pertenece (latín básico, ideogramas han unificados, rangos de emoji…)
• Los caracteres del plano astral (emoji y compañía) se marcan como ocupando dos unidades UTF-16
• Consulta un punto de código directamente (U+4E2D, 0x4E2D o el decimal 20013)
• Varios caracteres producen un bloque cada uno
• Busca emoji por su nombre en inglés (heart encuentra todos los corazones, cat todos los gatos; una palabra en español no encuentra nada), listados por grupo con su punto de código
• ⚠️ Restringe los emoji a un solo grupo (Caritas / Personas y gestos / Animales y naturaleza…); deja la palabra clave vacía para recorrer toda la tabla curada por grupos, cada grupo con su título y sin truncar
• ⚠️ El filtro de grupo solo sirve en el modo emoji: el modo carácter codifica cada carácter, y un carácter no tiene grupo de emoji

Cómo se usa

1. Pega los caracteres (o escribe un punto de código como U+4E2D)
2. Cada carácter recibe su bloque con todas las codificaciones
3. Para los caracteres invisibles, mira el sustituto de la fila «Carácter»
4. Usa el botón de copiar de una fila para llevarte solo ese valor
5. Para consultar emoji, elige Buscar emoji; acota con un grupo o deja la palabra clave vacía para recorrer la tabla grupo a grupo

Preguntas frecuentes

¿Por qué "🎉".length es 2?

Porque la longitud de una cadena en JavaScript cuenta unidades UTF-16, y 🎉 (U+1F389) necesita dos de ellas (un par suplente). Eso explica el fallo clásico: la longitud de «🎉» es 2, y `slice(0, 1)` parte el carácter por la mitad y dibuja un rombo de reemplazo. Lo correcto es iterar por punto de código (`[...str]` o `Array.from()`). Esta herramienta enumera las unidades una a una, así que se ve que 🎉 ocupa dos posiciones en UTF-16.

¿Cómo encuentro un carácter que parece un espacio pero no lo es?

Pega el tramo y lee la fila «Carácter»: `␠` es un espacio normal (U+0020), `␣` es un espacio de no separación (U+00A0), `␉` es un tabulador, «espacio de ancho cero» es U+200B y «BOM / espacio de no separación de ancho cero» es U+FEFF. Ninguno se ve en la página, pero son causa habitual de diseños rotos, búsquedas que no coinciden y formularios que protestan por «caracteres no válidos»; y copiar texto de una página web o un PDF es justo como entran.

¿Por qué un carácter dice «bloque no incluido»?

Porque la tabla de bloques solo cubre las pocas docenas más comunes (latín básico, griego, cirílico, ideogramas han, kana, hangul, emoji, etc.). Para lo que queda fuera, la herramienta indica «bloque no incluido» con el punto de código en lugar de inventar un nombre cercano: un nombre equivocado te manda a un buscador que no encuentra nada. Para la lista completa, busca «Unicode blocks».

¿Puedo hacerlo al revés: tengo un punto de código y quiero el carácter?

Sí. Escribe `U+4E2D`, `0x4E2D` o el decimal `20013` y la herramienta lo resuelve primero a un carácter. Ojo: los dígitos sueltos se leen como decimal (`20013` es U+4E2D); para escribir hexadecimal incluye una letra (`4E2D`) o un prefijo (`U+`, `0x`), porque si no `20013` se lee como 0x20013, que es un carácter completamente distinto.

¿Por qué el selector de grupo no hace nada en el modo carácter?

Porque los grupos solo existen para los emoji: el modo carácter informa la codificación, el bloque y la categoría de cada carácter, y un carácter no tiene grupo de emoji, así que allí el selector sencillamente no se lee; la opción no está rota. Los dos desplegables están separados justo por esto: fusionar modo y grupo en una sola lista tendría que cambiar el modo a emoji a tu espalda al elegir un grupo, mientras tú creías que solo estabas acotando el resultado.