UTF-8 字节与编码对照

功能

• 一次给出六种表示：字节、码点、百分号编码、两种 HTML 实体、Unicode 转义
• 每行可单独复制 —— 不用从一长串里手划选中某一段
• 按码点切分，emoji 不会被劈成两个孤立的代理项
• 基本平面之外的字符会写成代理对（\ud83d\ude00），能直接粘进配置文件
• 字符数与字节数分开统计 —— 一眼看出 UTF-8 的膨胀
• 全部在浏览器本地完成，内容不会上传

使用方法

1. 把文字粘贴进输入框
2. 结果实时出现，每种表示各占一行
3. 点某一行的复制按钮取走那一个值
4. 需要整段时点「复制全部」

常见问题

为什么字符数和字节数不一样？

因为 UTF-8 是变长编码：ASCII 字符（英文、数字、标点）占 1 字节，拉丁扩展与希腊文占 2 字节，汉字等占 3 字节，emoji 和生僻字占 4 字节。所以「你好」是 2 个字符、6 个字节；「a中😀」是 3 个字符、8 个字节。数据库里 `varchar(10)` 是按字符算的，存 10 个汉字没问题；但如果字段是 `varchar(10 bytes)` 或按字节截断，就只能装下 3 个汉字 —— 这类问题的根源都在这一行。

这和 URL 编码工具有什么区别？

百分号编码这一行和它是一样的，但定位不同：`url-encode` 是转换器，带着「哪些字符需要编码」「空格用 + 还是 %20」这些选项，输出就是结果本身；这里是对照表，把同一份内容的六种写法一次列全，方便横向比较。要做转换请用专门的工具，要「看清这串东西到底是什么」用这里。

emoji 的转义为什么是两段？

因为 😀 的码点 U+1F600 超出了基本多文种平面（U+FFFF 以上），而 JavaScript、Java 用的 UTF-16 里一个码元只有 16 位，装不下它 —— 所以必须写成一对代理项 `\ud83d\ude00`。另有 `\u{1F600}` 这种写法更短，但 Java 的 properties 文件、老 JSON 解析器和不少模板引擎都不认。本工具选择输出代理对，因为「粘进配置文件里能用」是这里最常见的用途。

HTML 实体为什么有两种？

十进制 `中` 和十六进制 `中` 指的是同一个字符，浏览器都认。区别只在习惯：网页源码里两种都常见，而某些老编辑器或模板引擎只认其中一种。两种都列出来，省得你为了迁就某个工具再转一次。