字符串转义工具 - JSON/Java/Python/Go/C 多语言在线转义与反转义
三个坑:转义出错时,症状都很像
坑一:多行 SQL 塞进 Java 字符串。 你从数据库客户端复制了一段 SQL,好几行、带单引号、末尾还有分号,直接粘进 String sql = "...",IDE 立刻标红。手动加 \n 又漏了引号,跑起来拼出来的语句少了一半。如果这段 SQL 里还带 Windows 路径或者正则,\ 和 " 再叠一层,最后代码里全是反斜杠,谁都不敢改。
坑二:日志里带引号的 JSON。 想把一条 JSON 塞进字符串字段或者消息模板,直接粘贴会提前闭合引号;用在线工具转义过一次之后,又发现打出来的值是 {\"a\":1} 而不是 {"a":1} —— 多转了一层。这类问题最难查,因为数据”看起来是对的”,只是多了几个反斜杠。
坑三:跨语言复制,同一个值不同结果。 在 Java 里生成一段转义文本,贴到 Go 里编译不过;在 Python 里用 \U0001F600 表示 emoji,贴进 JSON 直接语法错误;C 里用 \x41 后面紧跟字母,结果被当成一个超长的十六进制数吃掉。原因不复杂:每种语言允许的转义序列并不是同一套。
这三个坑的共同点是,你并没有算错,只是把 A 语言的规矩用在了 B 语言上。星点 字符串转义工具 就是为这件事做的:先选目标语言,转义和反转义各走各的规则,七种语言档独立实现,不共用一张万能替换表。
转义在做的事:给值套一层”语法壳”
代码里写下 "hello",这对引号之间的内容叫字符串字面量;运行时内存里那个 hello 才是值。字面量是写给编译器看的源码表示,值是程序真正持有的数据。
问题在于,有些字符在源码里有特殊职责。双引号负责”结束这个字面量”,反斜杠负责”开始一个转义序列”,换行在多数语言里根本不允许直接出现在一行字符串中间。如果值里本身就包含这些字符,直接照抄就会破坏语法。
转义的解法是给这些字符换一个替身:用反斜杠加一个符号代表它。\" 表示”这里是引号,不是结束”,\n 表示”这里有一个换行符,但源码不用真的换行”。解析器读到替身,还原成原来的字符,程序拿到的东西和原文完全一致。
所以有三句话要记住:
- 转义不改变值。转义前后是同一串字符,只是源码表示不同。
- 转义是给语法用的,离开目标语言(JSON、Java、Python……)就没有意义。同一个值在不同语言里的正确写法可能不一样。
- 转义不是编码,也不是加密。Base64 换的是字母表,加密要密钥;转义只是让字符在特定语法里合法。
六类必须处理的字符
日常踩坑最多的就是下面六个。它们不一定都会出现在你的文本里,但只要出现一次,就足够让程序报错或者数据错位。
| 字符 | 名字 | 常见写法 | 不转义、转错会发生什么 |
|---|---|---|---|
\ | 反斜杠 | \\ | 和后面的字符组成别的转义序列:C:\new 里的 \n 直接变成换行,路径坏掉 |
" | 双引号 | \" | 字符串在引号处提前结束,后面的内容被当成语法,报错或者被截断 |
| LF(0x0A) | 换行 | \n | JSON 字符串里出现裸换行直接语法错误(规范禁止 U+0000–U+001F 原样出现) |
| TAB(0x09) | 制表符 | \t | 不可见,肉眼查不出来;写成 \T 或者漏转,值就不一样了 |
| CR(0x0D) | 回车 | \r | Windows 的 CRLF 只转 \n 会丢掉 CR,和原始数据对不上;HTTP 头、邮件这类场景对 CRLF 敏感 |
| NUL(0x00) | 空字符 | \u0000 / \x00 / \000 | C 里它是字符串结束标志,后面的内容被忽略;多数数据库文本列也不接受 NUL |
除了这六个,\b(0x08 退格)、\f(0x0C 换页)、\v(0x0B 垂直制表)、BEL(0x07)以及 0x01–0x1F 的其他控制字符、0x7F(DEL),都在处理范围内。这些字符平时看不见,一旦混进数据里,表现往往只是”两个字符串明明一样却不相等”,很难往转义上想。
JSON 的规则更窄:规范里只有 \" \\ \/ \b \f \n \r \t 八个单字符转义,再加 \uXXXX。没有 \v、没有 \a、没有 \x、没有 \U。所以工具在 JSON 档里遇到垂直制表符会输出 \u000b,遇到 BEL 会输出 \u0007 —— 不是它偷懒,是 JSON 只认这两种写法。
多语言差异对照表
这张表是全文最该先看的部分。同一个文本,选不同语言档,输出长度和写法都可能不同。星点 字符串转义工具 支持下面七档:
| 语言档 | 换行/制表等短转义 | 其他控制字符(如 NUL) | BMP 内 Unicode | 非 BMP(emoji 等) | 单引号 | 备注 |
|---|---|---|---|---|---|---|
| JSON | \n \r \t \b \f | \u0000 这类 \uXXXX | \uXXXX | UTF-16 代理对,如 \uD83D\uDE00 | 单引号是普通字符,不转义 | 规范只允许八个单字符转义加 \uXXXX,无 \x、\v、\U,不支持注释和裸换行 |
| JavaScript | 同 JSON 档 | \u0000 | \uXXXX | 代理对 | 不转义(字面量用双引号) | 语言本身有 \v,工具保守地输出 \u000b |
| Java | 同 JSON 档 | \u0000 | \uXXXX | 代理对 | 不转义 | 字符串里没有行尾续行;Java 15 起才有 text block |
| Python | 多 \v、\a | \x00 这类 \xXX | \uXXXX | \U0001F600 | 会转成 \' | 另有 r"" 原始字符串、b"" 字节串、三引号 |
| Go | 多 \v、\a | \x00 | \uXXXX | \U0001F600 | 不转义 | 另有反引号原始字符串 |
| C / C++ | 多 \v、\a | 八进制 \000 | \uXXXX(UCN) | \U0001F600 | 不转义 | \x 会无限吃十六进制位;C++11 起有 R"(...)" |
表里”非 BMP”那一列,说的是打开”非 ASCII 转义”开关之后的结果;开关关掉时,所有语言都原样输出字符本身。下面按维度拆开讲。
Unicode 表示:\uXXXX 只管得住 BMP
\uXXXX 固定 4 位十六进制,最大值 U+FFFF,正好覆盖基本多文种平面(BMP)。中文、日文、常见符号基本都在这个范围,所以”你好”转成 \u4F60\u597D 就结束了,\U 根本用不上。
emoji 大多在 U+1F600 以上,超出 BMP,4 位装不下,于是分成两条路:
- JSON / JavaScript / Java:走 UTF-16 代理对,把码点拆成两个
\uXXXX。U+1F600 是\uD83D\uDE00。这两个码值单独拿出来没有意义,它们必须成对出现才组成一个字符。 - Python / Go / C / C++:走 8 位的
\U,写成\U0001F600。
反过来解析也有讲究。工具遇到 \uD83D 后面没跟合法的低位代理项,会直接报”孤立的高代理项”;遇到高位超过 U+10FFFF、或落在代理区(D800–DFFF)的 \U,同样报错。为什么不悄悄替换成 �?因为替换会让一个错误的转义看起来像正常数据,等到下游出问题,源头已经找不到了。
\x 与八进制:按字节写的老办法
\x 更适合”我确实想写某个字节”的场合。Python 和 Go 用两位十六进制 \x00–\xFF;C/C++ 除了 \x,还有更老的八进制写法。
于是同一个 NUL,在三个语言档里长得完全不一样:
| 语言档 | NUL 的写法 |
|---|---|
| JSON / JavaScript / Java | \u0000 |
| Python / Go | \x00 |
| C / C++ | \000 |
C 的 \x 有一个经典陷阱:它会一直往后吃十六进制字符,直到遇到非十六进制字符为止。"\x41BC" 里的 41BC 会被当成一个数,超出 char 范围,编译器可能报错,也可能截断成意想不到的字节。想表达”A 接 BC”,写 "\x41" "BC"(相邻字面量自动拼接)更稳。八进制后紧跟数字也有类似的多义问题,所以工具统一按三位补零输出。
raw string:不想转义的写法
有些场景写转义纯属自找麻烦,于是语言提供了”原样保留”的字符串形式:
- Python 的
r"...":里面的\不做转义处理,写正则和 Windows 路径最舒服。限制是结尾不能是奇数个反斜杠 ——r"\"会把后面的引号吃掉。 - Go 的反引号:
`...`里内容原样保留,可以跨行,但不能包含反引号本身。 - C++11 的
R"(...)":还可以自定义分隔符,比如R"sql(...)sql",避免内容里出现)"提前结束。
这些写法本工具都不生成,因为它输出的东西要能塞进普通双引号字面量。看到别人代码里的 raw string,先判断它是不是需要拼接,别直接复制到普通字符串里。
行连接:长字符串怎么断行
- JSON 没有行连接。字符串内部不能有裸换行,多行内容只能写成
\n。 - JavaScript 有行尾反斜杠续行,但它产生的是空串,不是换行 —— 那是排版手段,不改变值。
- C / C++ 的反斜杠换行在预处理阶段就被删掉(宏里很常见);相邻字符串字面量
"a" "b"会自动拼接。这两种手段解决的都只是”源码怎么排版”,省不掉\n。 - Java 的字符串字面量里没有行尾续行,早期只能
+拼接,Java 15 之后可以用 text block"""。 - Python 相邻字符串字面量会自动拼接,行尾
\也能续行,但字符串值里的换行依旧要显式写\n。
一句话区分:行连接管源码排版,\n 管值里到底有没有换行。 两者不能互相替代,混在一起想,就容易写出”源码看着好好的、运行时少一行”的代码。
单引号:只有 Python 档会动它
工具输出的字面量固定用双引号包起来,所以 ' 在 JSON、JavaScript、Java、Go、C/C++ 里都是普通字符,不需要转义。只有 Python 档会把 ' 转成 \',因为 Python 里两种引号混用太常见,保守处理更安全。
这一点在跨语言复制时最容易出问题:从 Python 档结果里带出来的 \',贴进 JSON 会直接触发语法错误 —— JSON 规范里根本没有 \' 这个转义,只允许 \"。看到这种报错,别怀疑工具,先看看结果是从哪一档拷出来的。
JSON 转义与反转义:为什么用标准 parser
JSON 档是默认档,因为它是数据交换的通用语言:日志、接口报文、配置文件、消息队列,到处都在传 JSON 字符串。
转义做的事是:把任意文本变成合法的 JSON 字符串字面量(带引号),可以直接放进 JSON 文档的值里,也可以拼进代码的字符串常量。
反转义做的事是:把字面量还原成文本。这一步工具用的是标准 JSON parser(JSON.parse),不是 eval。
这个选择很关键。eval 会执行任意 JavaScript —— 粘进去一段 (function(){...})() 就真的执行了;它还会把 {"a":1} 求值成一个对象,恰好掩盖了”我本来只想解码一个字符串”的错误。标准 parser 只认语法,不执行代码。
代价是它更严格。JSON 档的反转义只接受字符串字面量:
- 粘
{"a":1}→ 报”输入不是 JSON 字符串字面量(对象/数组/数字不会被当作字符串解码)”; - 粘
123、true、null→ 同样报错,它们是合法 JSON,但不是字符串; - 粘
"a\x41"→ 语法错误,JSON 里没有\x; - 粘
"\u12"→ 报错,\u必须正好 4 位十六进制。
如果你手上是一个 JSON 对象,想把它整个塞进某个字符串字段,正确顺序是先序列化整个对象(JSON.stringify)拿到 {"a":1} 这串文本,再把这串文本转义成 "{\"a\":1}"。工具只做第二步,不做第一步 —— “把对象变成字符串”和”把字符串变成字面量”本来就是两件事,混在一起做,语义就糊了。
还有个容易忽略的细节:JSON 档的反转义需要完整的字面量,外层引号不能少。如果你把”含外层引号”关掉再拿结果回来反转义,会因为缺引号报语法错误。其他语言档宽松一些,会自动剥掉一层成对的引号(单双都认),所以两种形式都能解。
其他语言档的反转义走的是”受控子集”:只解析本工具可能产出的那些语法(\\ \" \' \n \r \t \b \f \v \a \u \U \x 以及 C 的八进制),不会去实现一个完整的语言解析器。遇到 \q 这种不认识的序列,直接报”不支持的转义序列”,而不是原样留着 —— 原文里残留的转义,往往就是 bug 的藏身处。
五步操作
- 选目标语言:默认 JSON,可切 JavaScript、Java、Python、Go、C、C++。这一步选错,后面怎么调都是错的。
- 选方向:转义(原文 → 字面量)或反转义(字面量 → 原文)。
- 输入内容:在左侧粘贴。想先看看当前档位长什么样,点示例按钮即可,切换语言或方向时示例会自动跟着换。
- 决定两个开关:
- 非 ASCII 转义:关(默认)时中文、日文、emoji 原样输出,源码可读;开时 BMP 内字符变
\uXXXX,超出 BMP 的字符按语言变代理对或\U。 - 含外层引号:开(默认)输出
"...",可以直接粘进代码;关只输出引号之间的内容,适合你自己套引号、或者塞进模板占位。
- 非 ASCII 转义:关(默认)时中文、日文、emoji 原样输出,源码可读;开时 BMP 内字符变
- 复制或交换:复制拿走结果;点交换把结果送回输入、方向自动翻转,可以立刻验证”转义再反转义是否还原”。这个自检动作能挡掉大部分二次转义。
整个过程在浏览器里完成,输入不会发送到服务器,结果只留在当前页面。
几个能直接对照的例子
例 1:工具自带的样例
原文是两行、带引号、带制表符:
你好"world" tabJSON 档、关闭非 ASCII 转义、带外层引号,输出:
"你好\n\"world\"\ttab"打开非 ASCII 转义,输出:
"\u4F60\u597D\n\"world\"\ttab"中文是可读的 你好,还是转成 \u4F60\u597D,取决于源文件编码和对方要求。两种都是合法 JSON,区别只在于可读性 —— 以及”你的文件到底用不用 UTF-8 保存”。
例 2:Windows 路径
原文 C:\temp\new.txt,JSON 转义后是:
"C:\\temp\\new.txt"不转义的后果很具体:\t 是制表符,\n 是换行。如果你把原文直接写进 "C:\temp\new.txt" 再解析,拿到的值会变成 C: + 制表符 + emp + 换行 + ew.txt。路径看着”少了几段”,其实是被转义解析吃掉了。这也是工具默认就要处理反斜杠的原因。
例 3:多行 SQL 里的单引号
原文:
SELECT id, nameFROM usersWHERE name = 'O''Brien'JSON 档转义结果:
"SELECT id, name\nFROM users\nWHERE name = 'O''Brien'"SQL 里表示一个单引号的 '' 被原样保留 —— JSON 不需要动单引号。同一段文本换成 Python 档,结果会多出 \':
"SELECT id, name\nFROM users\nWHERE name = \'O\'\'Brien\'"两边都对,只是贴回去的语言不同。
例 4:NUL 的三种写法
原文是 A + NUL + B:
| 语言档 | 转义结果 |
|---|---|
| JSON / JavaScript / Java | "A\u0000B" |
| Python / Go | "A\x00B" |
| C / C++ | "A\000B" |
C 这一行要多说一句:C 字符串以 NUL 结尾,"A\000B" 这个字面量在内存里确实有 4 个字节,但 strlen 数到 A 就停了,printf("%s") 也只打印 A。带 NUL 的数据别走 C 字符串这条路。
例 5:emoji
原文 😀(U+1F600)。打开非 ASCII 转义,JSON 档得到 "\uD83D\uDE00",Go 和 Python 档得到 "\U0001F600";关掉开关,所有档位都原样输出 "😀"。想看清这个字符的码点、UTF-16 代码单元和 UTF-8 字节,用 Unicode 编码转换工具 更直接。
七个常见错误
1. 二次转义,多出一层反斜杠。 现象是结果里出现 \\" 或者 \\\\。原因几乎都是把已经转义过的内容又贴回转义框。判断方法:反转义一次,如果还原出来的值里还带 \",说明多转了一层;连续 JSON.parse 两次也是同样的效果。粘贴之前先问自己一句:这是原文,还是已经转过的字面量?
2. 把 JSON 对象当字符串。 {"a":1} 是对象,不是字符串字面量。要的是 "{\"a\":1}"。工具会明确报错,不会假装成功 —— 这比默默返回一个对象好得多。
3. 不同语言混用格式符。 Java 的 \uXXXX 贴进 C 的窄字符串,含义是 universal character name,最终落到什么字节取决于执行字符集,跨平台不保证就是 UTF-8;Python 的 \U0001F600 贴进 JSON 是语法错误;C 的 \000 贴进 JSON 也是语法错误。规则很简单:在哪个语言里编译,就用哪个语言档生成。
4. 以为中文必须转成 \u。 现代语言和 UTF-8 源文件可以直接写中文,不必转。真正需要转的场合只有几类:源文件编码不可控、传输链路只允许 ASCII、对方接口明确要求纯 ASCII。除此之外,可读的中文更利于维护,所以”非 ASCII 转义”默认是关的。
5. 把 YAML / Shell 的引号规则套过来。 YAML 单引号里用 '' 表示一个单引号,双引号里支持 \n \t \uXXXX;Shell 单引号内一切原样,双引号里 $、反引号会展开,反斜杠只对少数几个字符生效;Windows cmd 用 ^ 转义。这些格式本工具不覆盖,它只处理七种编程语言的字符串字面量。写 YAML 或 Shell 脚本时,别把它的结果当万能转义用。
6. 忽略 C 的 \x 贪心。 "\x41BC" 会被当成一个十六进制数;八进制 \1011 只吃三位,剩下的 1 是普通字符。写完自己反转义核对一遍,比盯着屏幕猜省事。
7. 以为转义”没变化”。 有时候结果和原文肉眼一样,因为里面确实没有特殊字符;也可能差的是 CR/LF 这类看不见的东西。想确认到底改了哪些字节,可以用 文本统计 看换行符分布,或者转成 Hex 逐字节比对。
和相邻工具的分工
编码系列工具长得像,解决的问题其实不同,搞清楚分工能省掉不少来回试:
- 想知道”每个字符到底是什么” → Unicode 编码转换工具:码点、UTF-16 代码单元、UTF-8 字节逐字符列出,emoji 也能正确展开。
- 要写进 HTML 源码 → HTML Entity 编码:处理
&<这类实体,和代码字符串转义是两套规则。 - 要把二进制塞进文本 → Base64 或 Hex:这是换字母表,不是转义。Base64 的输出里没有引号和反斜杠,放进 JSON 字符串反而不需要再转义。
- 要把对象变成字符串 → 先去 JSON 工具 里格式化或序列化,拿到文本再回来做转义。
转义、编码、加密经常被混着叫。转义是”为了让语法安全而改写表示”,编码是”换一种字母表表示同一份数据”,加密是”用密钥保护内容”。三者目的不同,工具也不该混用。
常见问题(FAQ)
转义和 Base64 编码有什么区别?
转义是为了让文本能安全地放进某种语法(字符串字面量、JSON 值),结果仍然是可读的、和原文一一对应;Base64 是把字节换成另一套字母表,输出不可读、体积变大。两者都可逆,但用途不同:往代码里塞文本用转义,往纯文本协议里塞二进制用 Base64。为什么 JSON 档反转义粘贴 {"a":1} 会报错?
因为它是对象,不是字符串字面量。工具只解码字符串,避免把任意 JSON 结构误当字符串处理。要处理整个对象,先把它序列化成文本,再把这段文本转义。中文到底要不要转成 \u?
默认不需要。UTF-8 源文件可以直接写中文,可读性更好。只有源文件编码不可控、链路只允许 ASCII、或对方明确要求时才打开"非 ASCII 转义"。打开后 BMP 内的字符是 \uXXXX,emoji 这类非 BMP 字符在 JSON/JS/Java 档会变成代理对,在 Python/Go/C/C++ 档是 \U 八位写法。转义后反斜杠变成两个,是不是出错了?
不是。反斜杠本身在字面量里必须写成两个,否则它会和后面的字符组成别的转义序列。看到 "C:\\temp" 是正确结果,它代表的值是 C:\temp。如果数据里原本就有两个反斜杠,转义后会出现四个,这时候要回头确认输入是不是已经被转过一次。为什么同一个文本在不同语言档里结果不一样?
因为各语言的转义规则本来就不同。最明显的是 NUL:JSON/JS/Java 写 \u0000,Python/Go 写 \x00,C/C++ 写 \000;emoji 在 JSON 档是代理对,在 Go 档是 \U0001F600。这些差异不是 bug,是规范决定的。支持 YAML、Shell、SQL 的转义吗?
不支持。工具只覆盖 JSON、JavaScript、Java、Python、Go、C、C++ 七种字符串字面量规则。YAML 的引号折叠、Shell 的变量展开、SQL 的引号加倍各有各的规则,混用只会得到错误的字符串。单引号需要转义吗?
看语言档。工具输出用双引号包裹,所以 JSON、JavaScript、Java、Go、C/C++ 里单引号是普通字符,不用转;只有 Python 档会把它转成 \'。反过来说,如果你看到结果里有 \',那多半是 Python 档生成的,别直接贴进 JSON。输入的内容会被上传吗?有次数限制吗?
不会上传。转义和反转义都在浏览器本地计算,结果只留在当前页面,也没有账号和次数限制。超长文本的处理速度取决于你的浏览器和机器性能。小结:先确定”贴到哪个语言里”,再动手
把整篇文章压缩成一张清单:
- 先想清楚结果要贴进哪种语言,语言档选错,后面全错;
- 六个必转字符:反斜杠、双引号、换行、制表符、回车、NUL,其余控制字符也别漏;
- 中文默认不用转
\u,除非链路只允许 ASCII; - emoji 这类非 BMP 字符:JSON/JS/Java 是代理对,Python/Go/C/C++ 是
\U八位; - JSON 反转义只吃字符串字面量,对象、数组、数字都会报错,这是设计,不是缺陷;
\'只属于 Python 档,贴进 JSON 一定失败;- YAML、Shell 的引号规则不在这里,别混用。
打开 字符串转义工具,选语言、选方向、粘内容、决定两个开关,复制就完事。想系统了解编码系列各工具的分工,看 星点编码工具完整指南;如果平时主要在 JSON 里打交道,星点 JSON 工具完整指南 里对格式化、校验和转义的边界讲得更细。
文章分享
如果这篇文章对你有帮助,欢迎分享给更多人!