Unicode Codepoint

unicode to code point

Unicode，也叫统一码、万国码等，使用它可表示世界上大部分的文字语言，其中 UTF-8/UTF-16 是一种针对 Unicode 的可变长度字符编码。

而对于 Unicode 中的每一个字符，都有一个独一无二的 ID，也叫码位，称作 code point。

如何使用

查看字符的码位

在输入框中输入任意字符，工具会立即显示该字符对应的 Unicode 码位（Code Point）。比如输入汉字「你」，会得到码位 U+4F60。

你可以一次输入多个字符，工具会逐个列出每个字符的码位信息。

通过码位查找字符

如果你已经知道码位，想查看对应的字符是什么，可以直接输入码位值。比如输入 U+0041，就能看到对应的字符是大写字母 A。

处理 Emoji 和特殊字符

Emoji 和一些特殊符号位于 Unicode 的补充平面（Supplementary Plane），它们的码位超过了 U+FFFF。例如：

• 笑脸 😀 的码位是 U+1F600
• 国旗 🇨🇳 实际上由两个区域指示符组成

这类字符在 JavaScript 中会占用两个 UTF-16 编码单元（即代理对），工具会帮你清楚地展示这些细节。

当你在处理字符串长度计算、字符截取等问题时，理解这些码位信息会非常有用。比如 '😀'.length 在 JavaScript 中返回 2 而不是 1，就是因为它使用了代理对编码。

实际应用

• 调试乱码问题：把乱码字符粘贴进来，通过码位判断它实际代表什么字符
• 查找特殊符号：当你需要在代码中使用 \u 转义序列时，可以用这个工具快速查到码位
• 验证字符编码：确认某个字符是否属于特定的 Unicode 区块（如 CJK 统一汉字、拉丁字母等）

API

JS

在 Javascript 中，可借助于 String API 进行转化

// => 127817
'🍉'.codePointAt(0)

// => '🍉'
String.fromCodePoint(127817)

Python

• ord: ordinal 的缩写，获取其 codePoint
• chr: character 的缩写，根据 codePoint 获取其字符

> ord(u'🍉')
127817

> chr(127817)
'🍉'

常见问题

Q: Code Point 和 UTF-8 编码有什么区别？

Code Point（码位）是 Unicode 为每个字符分配的唯一编号，是一个抽象的数字概念，例如汉字「山」的码位是 U+5C71。UTF-8 则是一种具体的编码方案，规定了如何将码位转换为字节序列存储在计算机中。同一个码位 U+5C71 在 UTF-8 中会被编码为 3 个字节 E5 B1 B1，而在 UTF-16 中则编码为 2 个字节 5C 71。

Q: 为什么有些字符的 Code Point 很大？

Unicode 按照区块（Block）分配码位，常用字符排在前面，后续不断扩展收录新字符。基本拉丁字母和常用汉字的码位较小（在基本多文种平面 BMP 内，范围 U+0000 至 U+FFFF），而 emoji 表情、古文字、音乐符号等则被分配在辅助平面中（U+10000 及以上）。目前 Unicode 最大码位可达 U+10FFFF，共可容纳超过 110 万个字符。

Q: JavaScript 中如何获取字符的 Code Point？

在 JavaScript 中，可以使用 String.prototype.codePointAt() 方法获取字符的 Unicode 码位。例如 '山'.codePointAt(0) 返回 23665（即十六进制 0x5C71）。需要注意的是，对于辅助平面字符（如 emoji '😀'），旧的 charCodeAt() 方法会返回代理对的编码，只有 codePointAt() 才能正确返回完整的码位值。反过来，可以用 String.fromCodePoint(128512) 从码位还原字符。