Unicode开发中的常见错误

Unicode 是国际统一的字符集，为世界上的文字、符号和 emoji 分配唯一码点（U+0000–U+10FFFF，共 17 个平面）。下面重点说明报错与纠正。

Unicode开发中的常见错误

• invalid Unicode code point：超过 U+10FFFF 或落在代理区
• 正则没开 Unicode 模式，导致 . 或 \w 行为不符合预期
• 字体缺失时显示为方框，并不代表码点错误

示例

输入：abc

码点结果：a=U+0061，b=U+0062，c=U+0063

说明：码点是抽象编号，具体存盘还要选 UTF-8 或 UTF-16 等编码。

常见用途

• 全球化和多语言软件
• 网页、JSON、API 的默认字符集基础
• emoji 与符号处理
• 数据库排序和检索（校对规则）

Python 示例

下面是 Python 中处理Unicode的常用写法：

hex(ord("中"))           # "0x4e2d"
"\u4e2d"                 # "中"
"\U0001F600"             # "😀"
list(map(ord, "123问"))

运行前确认输入的字符集（推荐 UTF-8），结果可以用本站工具交叉核对。

本站的Unicode转换工具可以直接处理，计算在浏览器本地完成，适合快速核对结果。

常见问题

【为什么两个看起来一样的字比较不相等？】可能一个是组合字符（字母+注音），一个是预合成字符，需要先规范化。

【emoji 是一个字符吗？】一个 emoji 可能由多个码点组成（例如带修饰符或 ZWJ 序列）。

【Unicode 和 UTF-8 是一回事吗？】不是。Unicode 规定“字符编号”，UTF-8 规定“编号怎么变成字节”。

文中示例可以在本站对应工具中验证；处理密钥、证书等敏感数据时，请注意保护隐私。

标签： Unicode 数码开发