Unicode 转义与还原

功能

• 双向转换：中文、emoji 与非 ASCII 字符 ⇄ 转义写法
• 三种形式：\uXXXX（JS / Java）、\xXX（UTF-8 字节）、&#xXXXX;（HTML 数字实体）
• 解码时三种形式同时识别，混在一段文本里也能还原
• emoji 输出标准的成对代理项 \uD83D\uDE00，Java 与 .properties 文件可直接使用
• 编码时把反斜杠与 & 一并转义，保证「解码(编码(x)) === x」严格成立
• 解码还认得 \u{1F600} 与 \U0001F600 两种码点写法
• 认不出的转义原样保留，不报错也不吞掉

使用方法

1. 选择方向：编码或解码
2. 编码时选择想要的转义形式
3. 把内容粘贴进输入框，结果实时出现
4. 点「复制」取走结果

常见问题

\xXX 形式下中文为什么变成三个字节？

因为 \xXX 表示的是一个字节，而中文超出了单字节能表示的范围，必须先按 UTF-8 编码：中 = E4 B8 AD，写成 \xE4\xB8\xAD。这正是 Python 的 bytes、C 的字符串字面量里的表示方式。解码时也按这个规则处理，所以能不能还原，取决于那串字节本身是不是合法的 UTF-8。

为什么输出里多出了 \u0026 和 \u005C？

为了让编解码严格互逆。原文里可能本来就写着 \u0041 或 中，如果不把反斜杠与 & 转义，解码时会把它们当成真正的转义序列，静默给出错误结果。转义后的输出在 JS、Java、.properties 里都会被正确还原成原来的字符。

emoji 为什么是两个 \u 而不是一个？

U+1F600 超出了基本多文种平面（BMP），在 UTF-16 里必须写成代理对 \uD83D\uDE00。Java 与 .properties 文件只认这种写法，不认 \u{1F600}，所以编码时按成对形式输出；反过来，解码时相邻的成对转义会自动拼成一个完整字符。

解码时遇到坏转义会报错吗？

不会。三种形式同时识别，认不出来的（半截的 \uD8、越界的 �、\n 这种别的语言的转义）一律原样保留。一段真实文本里混着几条无关的转义是常态，为此整段报错反而让你连正常的部分都拿不到。