Inspetor de caracteres Unicode

Como usar

1. Digite ou cole o texto em Texto. Espaços, quebras de linha e emojis também são inspecionados.
2. Leia os Totais para as contagens de grafemas, pontos de código e bytes.
3. Leia Pontos de código: cada linha dá o ponto de código, o seu Nome, a Categoria, o Bloco, os bytes UTF-8 e UTF-16, e os escapes HTML e JavaScript.
4. Digite uma palavra de um nome Unicode em Pesquisar um nome de caractere para achar caracteres, como snowman.

Nomes, categorias e blocos

Todo ponto de código tem um nome, uma categoria geral e um bloco. A categoria é um código de duas letras: Lu é uma letra maiúscula, e So é outro símbolo. O bloco é um intervalo de pontos de código relacionados, como Basic Latin. Os nomes e as categorias são os identificadores que o padrão Unicode define em inglês, então aparecem em inglês aqui, em todos os idiomas; as explicações desta página estão em português.

Grafemas e pontos de código

Um ponto de código é um número na tabela Unicode. Um grafema é o que o leitor toma por um caractere. Um polegar para cima com tom de pele é um grafema formado por dois pontos de código, e uma letra com acento combinado é um grafema de dois pontos de código. A tabela de pontos de código lista cada ponto sob o número do seu grafema, para que você veja quais pertencem juntos.

Bytes UTF-8 e UTF-16

• O UTF-8 escreve um ponto de código em um a quatro bytes. Uma letra ASCII ocupa um byte; o boneco de neve ocupa três, E2 98 83.
• O UTF-16 escreve um ponto de código em uma ou duas unidades de 16 bits. Acima de U+FFFF ocupa duas unidades, um par substituto: U+1F44D é D83D DC4D.

Escapes de HTML e JavaScript

• HTML: &, <, >, " e ' têm nomes; todos os outros caracteres são escritos como referência hexadecimal, como ☃.
• JavaScript: \u2603 para um ponto de código até U+FFFF, e \u{1F44D} acima dele, como permite a sintaxe do ECMAScript 2015.

Dados Unicode e a sua licença

Os nomes, as categorias e os blocos vêm do Unicode Character Database (UnicodeData.txt, Blocks.txt, Jamo.txt e PropertyValueAliases.txt) do Unicode 18.0.0, de 8 de julho de 2026. Copyright © 1991-2026 Unicode, Inc. Os dados são distribuídos sob a UNICODE LICENSE V3, cujo aviso completo está no arquivo de dados desta ferramenta e em https://www.unicode.org/license.txt. Os nomes das sílabas coreanas (Hangul) são montados a partir dos nomes curtos do Jamo, e os nomes dos ideogramas CJK a partir do seu ponto de código. Um intervalo como Private Use é mostrado com o rótulo que os dados dão, porque os dados não nomeiam cada caractere dele.

Perguntas frequentes