Unicode 解码器

支持完整的 Unicode 范围，包括基本多文种平面（BMP）和补充平面。

\uXXXX 是 4 位十六进制，只能表示 BMP 字符。\u{XXXX}（ES6+）支持任意位数，可表示所有 Unicode 字符。

某些 Unicode 字符（如 emoji 或罕见汉字）可能不在系统字体中，导致显示为方框。

这是乱码（mojibake）的典型特征：UTF-8 字节被按 Windows-1252/Latin-1 解读。"é" 表示 "é" 的两个 UTF-8 字节（0xC3 0xA9）被当作两个独立字符显示。使用"修复乱码"模式即可还原。"�" 是 U+FFFD 替换符，说明字节已经丢失，无法恢复。

UTF-8 用 1-4 个字节编码字符，完全兼容 ASCII，是 Web、JSON 和大多数 API 的默认编码。UTF-16 用 2 或 4 个字节（超出 U+FFFF 时使用代理对），被 JavaScript、Java 和 Windows 内部使用。对大多数 Web 文本而言，UTF-8 更小也更安全。

码点是 Unicode 标准分配给字符的编号（如带锐音符的 é 是 U+00E9）；码元是编码使用的存储单元。UTF-8 的码元是 8 位字节——U+00E9 需要占用两个——而 UTF-16 的码元是 16 位，超出 U+FFFF 的字符需要两个码元（代理对）。JavaScript 字符串采用 UTF-16，因此 'hello'.length 为 5，而一个表情符号的 .length 却是 2。

同一个可见字符可以对应多个字节序列：é 既可以是单个预组合字符（NFC），也可以是 e 加上组合音符（NFD）。NFC 进行组合，NFD 进行分解，NFKC/NFKD 还会额外折叠兼容字符（全角形式、连字等）。在不先规范化的情况下对用户输入进行比较或哈希，是导致重复账户和查询失败的经典原因——例如 fi 连字与 f+i。

字节顺序标记（BOM）是写在流开头的 U+FEFF（UTF-8 中为 EF BB BF），用于标明编码。编辑器通常会将其隐藏，但在下游它会变成一个不可见的起始字符：CSV 表头多出一个幽灵键名，JSON 解析因这个多余标记而失败，PHP 会话还会在响应头之前输出它。UTF-8 没有字节顺序歧义，并不需要 BOM——保存时请不要添加。