Unicode エスケープと復元

機能

• 双方向変換：日本語・中国語・emoji・非 ASCII 文字 ⇄ エスケープ表記
• 3つの形式：\uXXXX（JS / Java）、\xXX（UTF-8 バイト）、&#xXXXX;（HTML 数値実体参照）
• デコードは3つの形式を同時に認識し、1つのテキストに混在していても復元できます
• emoji は標準のサロゲートペア \uD83D\uDE00 で出力。Java や .properties ファイルでそのまま使えます
• エンコード時にバックスラッシュと & も併せてエスケープし、「デコード(エンコード(x)) === x」を厳密に成立させます
• デコードは \u{1F600} と \U0001F600 の2つのコードポイント表記も認識します
• 認識できないエスケープはそのまま保持し、エラーも出さず捨てもしません

使い方

1. 方向を選びます：エンコードかデコード
2. エンコード時は目的のエスケープ形式を選びます
3. 内容を入力欄に貼り付けると、結果がリアルタイムで表示されます
4. 「コピー」で結果を取り出せます

よくある質問

\xXX 形式で日本語が3バイトになるのはなぜですか？

\xXX が表すのは 1 バイトであり、日本語は 1 バイトに収まらないため、まず UTF-8 で符号化する必要があるからです：日 = E6 97 A5 なので \xE6\x97\xA5 と書きます。これはまさに Python の bytes や C の文字列リテラルでの表し方です。デコードも同じ規則で処理するので、復元できるかどうかは、そのバイト列自体が有効な UTF-8 かどうかで決まります。

出力に \u0026 や \u005C が増えるのはなぜですか？

エンコードとデコードを厳密に逆の関係にするためです。元のテキストには \u0041 や 中 が元から書かれていることがあり、バックスラッシュと & をエスケープしないと、デコード時にそれらを本物のエスケープシーケンスとみなし、黙って誤った結果を返してしまいます。エスケープ後の出力は JS・Java・.properties のいずれでも元の文字に正しく復元されます。

emoji が1つではなく2つの \u になるのはなぜですか？

U+1F600 は基本多言語面（BMP）の外にあり、UTF-16 ではサロゲートペア \uD83D\uDE00 として書く必要があります。Java や .properties ファイルはこの書き方しか認識せず、\u{1F600} は認識しません。そのためエンコードはペアの形で出力し、逆にデコード時は隣り合うペアのエスケープが自動で1文字に結合されます。

デコード時に壊れたエスケープがあるとエラーになりますか？

いいえ。3つの形式を同時に認識し、認識できないもの（途中で切れた \uD8、範囲外の �、\n のような他言語のエスケープ）はすべてそのまま残します。実際のテキストに無関係なエスケープが数個混じっているのは普通のことで、それで全体をエラーにすると、正常な部分まで受け取れなくなってしまいます。