Unicode-Konverter: Zeichen finden und analysieren

Was hinter jedem Zeichen steckt

Dieser Unicode-Konverter zerlegt einen Text Zeichen für Zeichen: Codepunkt, offizieller Unicode-Name, Block, Kategorie, UTF-8- und UTF-16-Bytes, HTML-Entitäten und Escape-Sequenzen für JavaScript, CSS, Python und URLs. Er markiert unsichtbare und täuschend ähnliche Zeichen, wandelt in beide Richtungen um, normalisiert Text und hilft, ein Unicode-Zeichen über seinen Namen zu finden. Alles läuft in Ihrem Browser, es wird nichts übertragen.

So funktioniert es

1. Fügen Sie Ihren Text in „Zu analysierender Text“ ein. Die Zähler zeigen „Sichtbare Zeichen (Grapheme)“, „Codepunkte“ und „UTF-8-Bytes“.
2. Klicken Sie in der Tabelle auf einen Codepunkt, um den „Zeichensteckbrief“ zu öffnen. Jeder Wert hat dort eine Schaltfläche „Kopieren“.
3. Prüfen Sie den Kasten „Unsichtbare oder irreführende Zeichen“ und nutzen Sie „Unsichtbare Zeichen entfernen“ oder „Besondere Leerzeichen ersetzen“.
4. Unter „In beide Richtungen umwandeln“ tippen Sie in ein beliebiges Feld: U+1F600 ergibt 😀, ☺ ergibt ☺, C3 9F ergibt ß.
5. „Unicode-Zeichen finden“ sucht nach Namen und Stichwörtern: „Euro“ liefert €. Die Palette „Sonderzeichen nach Thema“ kopiert ein Zeichen per Klick.

Codepunkte und Kodierungen einfach erklärt

Unicode vergibt fast 150.000 Zeichen aus allen Schriften je eine feste Nummer. Diese Nummer, der Codepunkt, wird hexadezimal hinter „U+“ geschrieben: ä ist U+00E4, ß ist U+00DF, das Euro-Zeichen U+20AC und 😀 U+1F600. Zum Speichern übersetzt eine Kodierung die Nummer in Bytes. In UTF-8, dem Standard im Web, braucht ein Buchstabe ohne Umlaut 1 Byte, ä und ß je 2 (C3 A4 und C3 9F), € 3 (E2 82 AC) und ein Emoji 4 (F0 9F 98 80). UTF-16, das JavaScript, Java und Windows intern nutzen, zählt 16-Bit-Einheiten: ä passt in eine (00E4), 😀 braucht zwei (D83D DE00). Deshalb hat ein einzelnes Emoji in JavaScript die Länge 2.

Warum „ä“ zwei Schreibweisen hat

Ein ä kann ein einziger Codepunkt sein (U+00E4) oder ein a mit nachfolgendem kombinierendem Trema (U+0061 U+0308). Auf dem Bildschirm sieht beides gleich aus, für den Computer sind es zwei verschiedene Texte. So findet eine Suche „Käse“ nicht, obwohl das Wort dasteht, oder ein Dateiname taucht doppelt auf. Die Normalisierung löst das: NFC setzt zusammen, NFD zerlegt. NFKC und NFKD ersetzen zusätzlich Kompatibilitätsformen, etwa die Ligatur fi durch „fi“ und das hochgestellte ² durch 2.

Zusammengesetzte Emojis

👍🏽 besteht aus 2 Codepunkten, Daumen und Hautton, und 8 UTF-8-Bytes. Die Familie 👨‍👩‍👧 hat 5 Codepunkte: drei Personen, verbunden durch zwei „Breitenlose Verbinder“ (U+200D), zusammen 18 Bytes. Das Werkzeug fasst sie zu Graphemen zusammen, also zu dem, was man als ein Zeichen wahrnimmt.

Unsichtbare Zeichen

Das breitenlose Leerzeichen U+200B, die Verbinder U+200C und U+200D, die Byte-Order-Mark U+FEFF und die Richtungszeichen U+200E und U+200F sieht man nicht. Per Kopieren und Einfügen eingeschleppt, lassen sie zwei gleich aussehende Texte ungleich sein, machen ein richtig getipptes Passwort falsch oder lösen im Code rätselhafte Syntaxfehler aus. Auch das geschützte Leerzeichen U+00A0 kann eine Tabellenformel stören. Das Werkzeug zeigt die genaue Position.

Homoglyphen und Phishing

Das kyrillische „р“ (U+0440) und „а“ (U+0430) sehen aus wie das lateinische p und a. Mit ihnen geschrieben ist „раssword“ nicht „password“, und ein gefälschter Benutzername oder eine falsche Adresse fallen kaum auf. Das Werkzeug markiert solche Buchstaben in lateinischem Text. Es erkennt die häufigen Fälle, nicht jeden Trick: Wirkt ein Link verdächtig, tippen Sie die Adresse selbst ein.

Sonderzeichen eingeben

Je nach System hält man eine Taste gedrückt und wählt eine Variante mit Akzent, gibt einen Zahlencode über den Ziffernblock ein, öffnet eine Zeichentabelle oder tippt den Hexcode nach einem eigenen Tastenkürzel. Oft geht es schneller, das Zeichen hier zu kopieren, etwa die Anführungszeichen „ “ oder das große ẞ.

Häufige Fragen

Warum hat „Größe“ 7 Bytes?

In UTF-8 belegen ö und ß je 2 Bytes. Aus 5 Zeichen werden so 7 Bytes.

Sind die Zeichennamen auf Deutsch?

Nein, angezeigt wird der offizielle englische Unicode-Name für die gängigen Blöcke, sonst Block und Kategorie. Die Suche versteht aber deutsche Stichwörter wie Pfeil, Herz oder Haken.

Was entfernt „Unsichtbare Zeichen entfernen“ genau?

Breitenlose Zeichen, Richtungszeichen und Steuerzeichen, außer Tabulatoren und Zeilenumbrüchen. Verbinder innerhalb eines zusammengesetzten Emojis bleiben erhalten.

Wird mein Text irgendwohin gesendet?

Nein. Alles geschieht im Browser. Texte unter 20.000 Zeichen werden lokal gespeichert, damit sie beim nächsten Besuch wieder da sind.