汉字编码查询(Big5/GB/Unicode)

简繁 EN

About this tool

查汉字的 Unicode、UTF-8、Big5、GBK、GB18030

免费汉字编码查询工具。输入任意字符,逐字显示 Unicode 码位、UTF-8、UTF-16、Big5、GBK/GB2312、GB18030 十六进制,以及 HTML 实体与十进制码位。浏览器本地计算,不上传数据。

RT-DEV-095 · Developer Tools

Enter Chinese characters / text

Parsed per character — computed locally in your browser; nothing is uploaded.

使用方法

粘贴或输入字符

在输入框中粘贴或键入一个或多个字符——汉字、标点、ASCII、表情符号、扩展区罕用字皆可。工具按 Unicode 码位逐字拆分,代理对(如扩展 B 区罕字)会被完整保留为单个字符。

查看每字的编码

每个字符显示为一张卡片:Unicode 码位(U+)、UTF-8 字节、UTF-16 (BE) 码元、Big5、GBK/GB2312、GB18030,以及 HTML 实体(&#x…;)与十进制码位。

理解 Big5 与 GB 列

Big5 只收录繁体字,简体字会显示「不在 Big5」。GBK/GB2312 覆盖简体与大量繁体;GB18030 在 GBK 已收录时与其相同(2 字节),仅对 GBK 之外的字符显示 4 字节编码。

一键复制

每个数值旁的「复制」按钮可将该十六进制 / 码位复制到剪贴板,方便直接粘进代码、数据库或终端。全部计算在浏览器本地完成。

汉字编码:从 Big5、GB 到 Unicode 的来龙去脉

对处理中文的开发者而言,「同一个字,在不同编码里是不同的字节」是最容易踩坑的地方。一个汉字在 UTF-8 里通常占 3 个字节,在 Big5 或 GBK 里占 2 个字节,而它的 Unicode 码位又是另一套数字。本工具把任意字符在这些主流编码下的十六进制表示一次性列出,方便你在数据迁移、乱码排查、协议对接时快速核对。所有换算都在浏览器本地完成,不会把你的文本上传到任何服务器。

Big5 与 GB 系列:两套并行的本地编码

Big5 是台湾、香港地区繁体中文的传统编码,只收录繁体字与符号,因此简体字在 Big5 中「不存在」,本工具会标注「不在 Big5」。大陆一侧则是 GB 系列:最早的 GB2312 只含约 6,763 个常用简体字;GBK 向后兼容 GB2312 并扩充到约两万字,同时收录大量繁体字;GB18030 则是国家强制标准,用 1、2、4 字节变长方案覆盖整个 Unicode——当一个字已在 GBK 中(2 字节)时,它的 GB18030 编码与 GBK 完全相同,只有 GBK 之外的字符才会用到 4 字节形式。理解这层兼容关系,能解释为什么很多「GBK 文件」其实可以安全地当作 GB18030 读取。

Unicode、UTF-8 与 UTF-16:码位与字节的区别

初学者常把「Unicode 码位」和「UTF-8 字节」混为一谈,其实它们是两个层次:码位(code point)是字符在 Unicode 字符集中的抽象编号(如「中」是 U+4E2D),而 UTF-8 / UTF-16 是把这个码位序列化成字节的具体方案。UTF-8 对 ASCII 用 1 字节、对常见汉字用 3 字节;UTF-16 对基本平面字符用 1 个 16 位码元,对补充平面(如扩展 B 区的罕用字)用一对「代理对」码元。本工具按 Array.from 的码位粒度拆分,因此即使是需要代理对的四字节字符,也会被当作单个字符正确显示,不会被截成两半。

「乱码不是字符坏了,而是用错了解码器。」——每个处理多编码的开发者迟早会懂的道理。

什么时候你会用到这个工具

典型场景包括:把旧的 Big5 / GBK 数据库迁移到 UTF-8 时核对字节;调试 URL 编码、HTTP 头或文件名乱码;为前端手写 HTML 数字实体(中);确认某个生僻字是否落在 GBK 收录范围内,从而决定是否需要 GB18030 或直接走 Unicode。本工具是一个纯前端的开发辅助:不调用任何模型、不发起除编码词表以外的网络请求、不含随机性,相同输入永远得到相同结果——这正是一个可靠的编码参考所应有的确定性。

关于汉字编码的 10 个事实

一个常见汉字在 UTF-8 中占 3 个字节,在 Big5 / GBK 中占 2 个字节。这就是为什么同一段中文文本在不同编码下文件大小不一样。

「Unicode 码位」是字符的抽象编号,「UTF-8」是把码位变成字节的方案。U+4E2D 是「中」的码位,E4 B8 AD 才是它的 UTF-8 字节。

Big5 只收录繁体字,所以简体字在 Big5 中根本不存在——把简体文本保存为 Big5 会直接丢字或产生乱码。

GB2312(1980)只含约 6,763 个简体常用字;GBK 扩充到约两万字并向后兼容 GB2312;GB18030 则覆盖整个 Unicode。三者是逐层包含的关系。

对已在 GBK 中的字符,GB18030 的编码与 GBK 完全相同(2 字节)。只有 GBK 之外的字符才会用到 GB18030 的 4 字节形式。

GB18030 自 2001 年起是中国的强制性国家标准,要求在中国销售的软件支持它——这是它能完整覆盖 Unicode 的原因。

UTF-16 对基本平面字符用一个 16 位码元,对补充平面字符(如扩展 B 区罕字)用一对「代理对」码元——这就是为什么有些字「占两个 char」。

在 JavaScript 中用 string.length 数中文字符可能出错:补充平面字符的 .length 是 2。要按真正的字符迭代应使用 Array.from() 或 for...of。

HTML 数字实体中与中表示同一个「中」字——前者十六进制、后者十进制。它们引用的是 Unicode 码位,与页面用什么编码无关。

同一个汉字在 Big5 与 GBK 里的字节几乎总是不同(如「繁」:Big5 是 C163,GBK 是 B7B1)。这正是跨编码迁移必须逐字映射、不能直接拷贝字节的原因。

常见问题

码位是字符在 Unicode 字符集中的抽象编号(如「中」= U+4E2D),它不规定如何存储为字节。UTF-8 是一种把码位编码成字节的具体方案:ASCII 用 1 字节,常见汉字用 3 字节。同一个码位在 UTF-8、UTF-16、UTF-32 下的字节各不相同,但指向的是同一个字符。
Big5 是繁体中文的传统编码,只收录繁体字与符号,完全不含简体字。因此当你输入简体字(或某些生僻字、扩展区字符)时,Big5 列会显示「不在 Big5」,表示该字符在 Big5 中没有对应编码。这类字符若要保存,应使用 GBK、GB18030 或 UTF-8。
GBK 是 2 字节定长编码,收录约两万字。GB18030 是变长编码(1、2、4 字节),覆盖整个 Unicode,且是中国的强制国家标准。关键点:对已在 GBK 中的字符,二者编码完全相同;只有 GBK 范围之外的字符,GB18030 才用 4 字节表示。本工具在这种 4 字节情形下显示专门的 GB18030 编码,否则它与 GBK 相同。
BE 指 Big-Endian(大端序),即高位字节在前。本工具显示的是 UTF-16 的码元(每个 16 位码元一组,如「中」是 4E2D),按大端序书写。若你的系统使用小端序(LE),字节顺序会颠倒(2D4E)。基本平面字符是 1 个码元,补充平面字符是一对代理对码元。
可以。Unicode 码位、UTF-8、UTF-16、HTML 实体与十进制码位对任意字符都有效,包括 ASCII 字母、标点和表情符号。Big5 / GB 列只对其收录的字符给出值,其余显示「不在…」。表情符号位于补充平面,会以 4 字节 UTF-8 和代理对 UTF-16 正确显示。
工具会按 Unicode 码位逐字拆分,为每个字符生成一张独立的编码卡片。拆分使用 Array.from,因此需要代理对的四字节字符(如扩展 B 区罕字)会被当作单个字符,不会被截断。普通空白字符会被跳过,以免产生空卡片。
不会。所有编码(Unicode、UTF-8、UTF-16、实体、十进制)都在浏览器本地用 JavaScript 计算。唯一的网络请求是一次性、可缓存地下载 Big5 / GB 编码词表(encmap.json),用于查表;你的文本本身从不离开你的设备。
工具会优雅降级:Unicode 码位、UTF-8、UTF-16、HTML 实体与十进制码位仍然正常显示(它们由 JS 本地计算,不依赖词表)。只有 Big5、GBK、GB18030 三列会暂时不可用,并在结果上方提示词表未能加载。刷新页面通常即可恢复。
因为同一个字在不同编码中的字节几乎总是不同的(如「繁」在 Big5 是 C163,在 GBK 是 B7B1)。把 Big5 字节直接当作 GBK 或 UTF-8 读取就会产生乱码。正确做法是:先用源编码把字节解码成 Unicode 字符,再用目标编码重新编码——本工具正好帮你核对每一步的对应关系。
没有关系。HTML 数字实体(十六进制中或十进制中)引用的是 Unicode 码位,与页面声明的字符集无关。这意味着即使页面用 ASCII 保存,你也能用实体表示任意 Unicode 字符——这在邮件模板、配置文件或无法直接输入中文的环境里很有用。

Related News

You may be interested in these recent stories from our newsroom.

View all news →

汉字编码查询(Big5/GB/Unicode)