Conversor de unidades UTF-16

UTF-16 continua sendo o formato de fio e de memória por trás das APIs do Windows, de muitos protocolos binários, das strings internas do JavaScript e de formatos de intercâmbio que falam em unidades de código de 16 bits em vez de bytes UTF-8 crus. Esta ferramenta converte texto simples em um dump contínuo em hexadecimal dessas unidades de código — ou o inverso — enquanto você escolhe o layout big-endian ou little-endian para cada unidade.

O que é uma unidade de código UTF-16 e por que o hex ajuda

Um valor escalar Unicode no Plano Multilíngue Básico cabe em uma unidade de código de 16 bits. Caracteres fora desse plano — emojis, muitos scripts históricos e símbolos raros — usam um par surrogate: um surrogate alto na faixa U+D800–U+DBFF seguido de um surrogate baixo em U+DC00–U+DFFF. Depurar um dump de protocolo, uma carga de área de transferência ou um arquivo mal rotulado muitas vezes significa ler essas unidades como hexadecimal em vez de adivinhar qual byte é qual.

A codificação transforma seu texto em hex contínuo maiúsculo, de modo que cada dois dígitos hex sejam um byte e cada quatro dígitos sejam uma unidade de código sob a ordem de bytes que você selecionou. A decodificação inverte esse caminho: espaços em branco, dois-pontos, sublinhados e hifens na cadeia hex são ignorados, de modo que você cole dumps de linhas de log ou de capturas de pacotes sem um passo de limpeza à parte.

A resposta sempre informa quantas unidades de código e bytes foram produzidos, o que facilita comparar com um campo de comprimento em uma especificação binária. Como a conversão é trabalho de parse puramente local, entradas idênticas sempre geram saídas idênticas, sem desvio de modelo e sem dependência de rede.

Ordem de bytes, escolha de modo e regras de boa-formação

O modo padrão é encode: forneça texto simples e receba hex. Mude o modo para decode quando a entrada já for uma representação hex de bytes UTF-16. O endian padrão é be (big-endian), então U+0048 vira o par de bytes 00 48; escolha le para 48 00 little-endian, que corresponde a muitos layouts de memória Windows e ARM.

A ordem de bytes se aplica a cada unidade de código de forma independente; não há prefixo ou remoção automática de BOM — se você precisar de um BOM, adiciona ou remove você mesmo o conhecido padrão FEFF como unidades explícitas. A decodificação exige um comprimento hex que seja múltiplo de quatro após a limpeza, porque cada unidade de código são dois bytes.

Tanto na codificação quanto na decodificação, o fluxo é verificado quanto a surrogates sem par: uma unidade alta sem uma baixa em seguida, uma unidade baixa sem uma alta antes, ou um par truncado no fim da entrada, todos falham. Essa regra evita a corrupção silenciosa quando um dump foi cortado no meio de um caractere ou quando uma string já continha um surrogate solitário. Valores de mode ou endian inválidos também falham rápido, com uma mensagem específica do campo, para que os clientes corrijam a requisição sem adivinhar.

Onde executar e como funciona o preço

Para uma inspeção pontual — ler um dump UTF-16LE de uma exportação de registro do Windows, checar como um emoji se expande em duas unidades de código, ou confirmar que o hex big-endian de um parceiro corresponde ao seu texto — use a ferramenta gratuita no navegador.

Insira a chamada em um caderno de engenharia reversa, em um arnês de QA que afirma igualdade de formato de fio, ou em um fluxo de suporte em que os clientes colam hex e você precisa da string legível sem abrir um editor hexadecimal. Como a capacidade é trabalho de parse de tier A, a latência permanece baixa e não há custo de contêiner ou de modelo para remedir a cada deploy.