Unicode 编码

什么是 Unicode？

Unicode 是一套统一字符集，为世界上各种文字、符号和 emoji 分配唯一编号。这个编号通常叫码点（Code Point）。

例如：

A    -> U+0041
你   -> U+4F60
U+1F600 表示 grinning face emoji

Unicode 本身定义“字符对应哪个编号”，而 UTF-8、UTF-16、UTF-32 等是具体的存储和传输编码方式。

常见表示方式

表示	示例	说明
U+HHHH	U+0041	Unicode 码点写法
\uHHHH	\u0041	常见于 JSON、JavaScript 字符串
\xHH	\x41	单字节十六进制转义
&#十进制;	A	HTML 十进制实体
&#x十六进制;	A	HTML 十六进制实体

UTF-8 编码

UTF-8 是最常见的 Unicode 编码方式，它使用 1 到 4 个字节表示一个字符。

字符	码点	UTF-8 字节
A	U+0041	41
中	U+4E2D	E4 B8 AD
😀	U+1F600	F0 9F 98 80

因此在 URL 编码里，中文通常会变成多个 %HH：

中 -> E4 B8 AD -> %E4%B8%AD

Unicode 转义解码示例

密文：

\u0066\u006c\u0061\u0067

每组 \uHHHH 对应一个 Unicode 码点：

转义	码点	字符
\u0066	U+0066	f
\u006c	U+006C	l
\u0061	U+0061	a
\u0067	U+0067	g

得到：

flag

常见混淆点

• Unicode 是字符集，UTF-8 是编码方式。
• \u4F60 表示码点，不等于 UTF-8 字节 E4 BD A0。
• emoji 等超过 U+FFFF 的字符在 UTF-16 中可能用代理对表示。
• 同一个字符可能有不同规范化形式，例如组合字符和预组合字符。

CTF 识别要点

• 出现 \u、U+、\x 等转义形式。
• 中文 URL 编码解出 UTF-8 字节后，需要按 UTF-8 解释。
• Web 题中可能利用 Unicode 同形字符或编码绕过。
• 多层题中常和 URL 编码、HTML 实体编码混合。