Validador UTF-8
Valide si su texto o archivo es válido UTF-8 con nuestro Validador UTF-8 en línea gratuito. El validador UTF-8 realiza un análisis byte por byte según las reglas de codificación RFC 3629, detectando bytes de inicio no válidos, bytes de continuación faltantes, secuencias demasiado largas, sustitutos UTF-16 y puntos de código más allá de U+10FFFF. Pegue el texto directamente o cargue cualquier archivo para obtener un informe de validación completo con cuatro vistas: un resumen general con sugerencias de codificación, una lista de errores detallada con compensaciones y correcciones sugeridas, una vista de bytes codificada por colores que muestra cada tipo de byte y estado de validez, y una vista de texto fijo con secuencias no válidas reemplazadas por caracteres de reemplazo U+FFFD. La herramienta también analiza patrones de bytes para sugerir qué codificación podría haberse utilizado cuando se detecta UTF-8 no válido: Windows-1252, ISO-8859-1 (Latin-1), UTF-16 o Shift-JIS. Todo el procesamiento ocurre localmente en su navegador. No es necesario registrarse.
Validate UTF-8 Encoding
Paste text or upload a file to validate its UTF-8 encoding. The tool checks every byte against RFC 3629, highlights invalid sequences, and suggests fixes.
¿Por qué utilizar nuestro validador UTF-8?
- Validación UTF-8 a nivel de bytes: nuestro validador UTF-8 verifica cada byte con las reglas de codificación RFC 3629. Detecta bytes de inicio no válidos, bytes de continuación faltantes, secuencias demasiado largas, sustitutos UTF-16 y puntos de código más allá de U+10FFFF con informes de compensación precisos.
- Detección integral de errores: el validador UTF-8 identifica 6 tipos de errores distintos: bytes de inicio no válidos, bytes de continuación faltantes, codificaciones demasiado largas, puntos de código sustitutos, valores fuera de rango y bytes de continuación inesperados. Cada error incluye una descripción detallada y una solución sugerida.
- Procesamiento de navegador 100% privado: sus datos nunca salen de su dispositivo. El validador UTF-8 procesa todo localmente utilizando Web Crypto API para codificación y JavaScript puro para análisis de bytes. Sin cargas de servidores, sin almacenamiento de datos, total privacidad.
- Sugerencias de codificación inteligente: cuando se detecta UTF-8 no válido, el validador analiza patrones de bytes para sugerir qué codificación podría haberse previsto: Windows-1252, ISO-8859-1 (Latin-1), UTF-16 o Shift-JIS. También proporciona una versión fija con caracteres de reemplazo U+FFFD.
Casos de uso comunes para el validador UTF-8
- Desarrollo web y validación de marcado: utilice el validador UTF-8 para asegurarse de que sus archivos HTML, CSS y JavaScript estén codificados correctamente. UTF-8 no válido en páginas web puede causar problemas de visualización, advertencias del validador y penalizaciones de SEO por parte de motores de búsqueda que esperan contenido UTF-8 válido.
- Integración de API y fuentes de datos: valide la codificación UTF-8 en respuestas API, cargas útiles JSON, fuentes RSS y datos de webhooks. El validador UTF-8 ayuda a identificar problemas de codificación que pueden provocar errores de análisis al integrarse con servicios de terceros que esperan datos codificados correctamente.
- Importación y migración de bases de datos: al migrar bases de datos o importar archivos CSV/SQL, utilice el validador UTF-8 para comprobar que los datos de texto estén codificados correctamente. Un UTF-8 no válido puede provocar truncamiento de datos, corrupción o pérdida silenciosa de datos durante procesos ETL y migraciones de bases de datos.
- Encabezado de correo electrónico y validación de contenido: los sistemas de correo electrónico requieren una codificación UTF-8 adecuada en los encabezados (Asunto, De, Para) y el contenido del cuerpo. El validador UTF-8 verifica que los datos de su correo electrónico estén codificados correctamente para evitar problemas de entrega y mostrar problemas en diferentes clientes de correo electrónico.
- Procesamiento de documentos y archivos de texto: valide la codificación UTF-8 en archivos de texto sin formato, archivos de configuración, archivos de registro y código fuente. El validador UTF-8 es esencial para las canalizaciones de CI/CD y los flujos de trabajo de procesamiento de datos que necesitan garantizar que todos los archivos de entrada estén codificados correctamente antes del procesamiento.
- Depuración de problemas de codificación y Mojibake: cuando el texto se muestra como caracteres confusos (mojibake), utilice el validador UTF-8 para diagnosticar la causa raíz. La herramienta identifica exactamente qué bytes no son válidos y sugiere cuál podría ser la codificación prevista, lo que le ayuda a corregir datos de texto corruptos.
¿Qué es la validación UTF-8?
La validación UTF-8 es el proceso de verificar que una secuencia de bytes cumpla con el estándar de codificación UTF-8 (RFC 3629). UTF-8 codifica cada punto de código Unicode como una secuencia de 1 a 4 bytes, con patrones de bytes específicos para cada longitud de secuencia. Una secuencia de bytes UTF-8 válida debe seguir reglas estrictas: los caracteres ASCII (U+0000-U+007F) usan un solo byte (0x00-0x7F), mientras que las secuencias de varios bytes deben comenzar con patrones de bytes iniciales específicos (0xC2-0xDF para 2 bytes, 0xE0-0xEF para 3 bytes, 0xF0-0xF4 para 4 bytes) y cada byte siguiente debe ser un byte de continuación (0x80-0xBF). Nuestro validador UTF-8 compara cada byte con estas reglas y detecta secuencias demasiado largas, sustitutos de UTF-16 y puntos de código más allá de U+10FFFF, todos los cuales no son válidos en UTF-8.
Cómo funciona nuestro validador UTF-8
- Ingrese texto o cargue un archivo: pegue el texto directamente en el área de texto o cargue un archivo. El validador UTF-8 lee los bytes sin procesar utilizando la API FileReader del navegador. Si pega texto, lo codifica como bytes UTF-8 para su análisis. Todo el procesamiento es local: no se carga nada en ningún servidor.
- Validación de secuencia byte por byte: el validador recorre cada byte de los datos, identificando los bytes iniciales y sus bytes de continuación esperados. Valida cada byte con su tipo esperado (ASCII, inicio-2, inicio-3, inicio-4, continuación) y señala cualquier infracción. Cada secuencia se decodifica en su punto de código y se verifica en busca de codificaciones demasiado largas, valores sustitutos (U+D800-U+DFFF) y puntos de código fuera de rango (por encima de U+10FFFF).
- Revise los resultados completos: los resultados están organizados en cuatro vistas: Resumen (validez general con barra de porcentaje y sugerencias de codificación), Errores (lista detallada de cada secuencia no válida con compensación, tipo de error, bytes hexadecimales, descripción y solución sugerida), Vista de bytes (tabla byte por byte codificada por colores que muestra compensación, hexadecimal, ASCII, tipo y estado de validez) y Texto fijo (el texto original con secuencias no válidas reemplazadas por caracteres de reemplazo U+FFFD).
Errores comunes de validación de UTF-8 explicados
- Byte de inicio no válido: un byte que no coincide con ningún patrón de bytes de inicio UTF-8 válido; por ejemplo, 0x80-0xBF sin un byte de inicio anterior, 0xC0-0xC1 (lo que indicaría una codificación demasiado larga de 2 bytes) o 0xF5-0xFF (no definido en UTF-8). Estos bytes suelen ser el resultado de datos corruptos o una codificación diferente.
- Byte de continuación faltante: una secuencia de varios bytes que comienza pero se trunca antes de que se encuentren todos los bytes de continuación necesarios. Esto suele ocurrir al final de un archivo o cuando los datos se dividen en un límite de varios bytes. La solución es completar la secuencia o reemplazar la secuencia incompleta con U+FFFD.
- Codificación demasiado larga: usar más bytes de los necesarios para codificar un punto de código; por ejemplo, codificar un carácter ASCII (U+0020) con 2 bytes en lugar de 1. Las secuencias demasiado largas no son válidas porque omiten los filtros de seguridad que solo verifican los rangos ASCII (como el filtrado "/" en las comprobaciones de recorrido de ruta).
- Puntos de código sustitutos: bytes que se decodifican en el rango U+D800-U+DFFF, que están reservados para pares sustitutos UTF-16 y no son puntos de código Unicode válidos en UTF-8. Aparecen cuando los datos UTF-16 se malinterpretan como UTF-8.
Privacidad, seguridad y limitaciones
100% privado: el validador UTF-8 procesa todo localmente en su navegador utilizando las API FileReader y TextEncoder/TextDecoder. Sus datos nunca salen de su dispositivo: no hay cargas en el servidor, ni registros de datos, ni solicitudes de terceros.
Limitaciones: el validador UTF-8 valida secuencias de bytes según RFC 3629, pero no comprueba si el texto decodificado tiene sentido semántico: una secuencia UTF-8 válida puede decodificarse para controlar caracteres o puntos de código inesperados. Para archivos de más de 256 MB, considere validar una muestra o segmento. La herramienta proporciona sugerencias de codificación basadas en patrones de bytes, pero son heurísticas y es posible que no siempre identifiquen la codificación deseada, especialmente para fragmentos de texto cortos.
Preguntas frecuentes
Un validador UTF-8 comprueba si una secuencia de bytes cumple con el estándar de codificación UTF-8 (RFC 3629). Necesita un validador UTF-8 cuando procesa datos de texto de fuentes externas, depura mojibake (texto confuso), valida cargas de archivos, garantiza una codificación adecuada en aplicaciones web, verifica las exportaciones de bases de datos para detectar problemas de codificación o soluciona problemas de respuestas API que se muestran incorrectamente. Un UTF-8 no válido puede provocar fallos en las aplicaciones, corrupción de datos y vulnerabilidades de seguridad.
El validador UTF-8 puede detectar seis tipos de errores distintos: bytes de inicio no válidos (bytes que no coinciden con ningún patrón de bytes de inicio UTF-8 válido como 0xC0, 0xC1 o 0xF5-0xFF), bytes de continuación faltantes (secuencias multibyte truncadas), codificaciones demasiado largas (utilizando más bytes de los necesarios para codificar un punto de código), sustitutos UTF-16 (puntos de código en el rango U+D800-U+DFFF), puntos de código fuera de rango (valores superiores a U+10FFFF) y bytes de continuación inesperados (bytes de continuación sin un byte de inicio anterior).
Se produce una codificación demasiado larga cuando un punto de código se codifica con más bytes de los necesarios. Por ejemplo, codificar una barra diagonal (U+002F) como la secuencia de 2 bytes 0xC0 0xAF en lugar de 0x2F. Esto supone un problema de seguridad porque las aplicaciones que buscan caracteres peligrosos normalmente sólo comprueban la representación ASCII de un solo byte. Una codificación demasiado larga puede eludir estos filtros y al mismo tiempo ser decodificada por un descodificador UTF-8 indulgente, lo que podría permitir ataques de inyección.
El validador UTF-8 procesa todo el flujo de bytes e identifica secuencias no válidas dondequiera que ocurran. Si un archivo es principalmente UTF-8 con algunos bytes de otra codificación, el validador marca esos bytes que no son UTF-8 como errores y proporciona sugerencias de codificación basadas en patrones de bytes. El validador también proporciona una vista de "Texto fijo" que reemplaza todas las secuencias no válidas con U+FFFD, lo que hace que los datos sean utilizables y al mismo tiempo preserva el contenido válido.
Sí, puede pegar texto directamente en el área de texto o cargar un archivo haciendo clic en el botón Cargar archivo o arrastrando y soltando un archivo en el área de texto. El validador UTF-8 lee el archivo como bytes sin formato utilizando la API FileReader del navegador y realiza todos los análisis localmente. Nunca se envían datos a un servidor.
U+FFFD es el carácter de reemplazo oficial de Unicode (se muestra como un signo de interrogación en un diamante: �). Se utiliza para reemplazar secuencias de bytes no válidas o irrepresentables en el procesamiento de texto. Cuando el validador UTF-8 genera la vista "Texto fijo", reemplaza cada secuencia no válida con U+FFFD para que el texto resultante sea UTF-8 válido. Esto permite que el procesamiento posterior continúe sin errores.
Cuando se detecta UTF-8 no válido, el validador analiza patrones de bytes para sugerir qué codificación podría haberse pretendido. Comprueba patrones UTF-16 (alternando bytes nulos y caracteres ASCII), bytes específicos de Windows-1252 (0x80-0x9F que contienen caracteres imprimibles como comillas tipográficas y el signo del euro) y patrones de bytes altos consistentes con ISO-8859-1/Latin-1.
Una secuencia UTF-8 válida es una secuencia de bytes que sigue las reglas de codificación UTF-8: byte de inicio correcto, bytes de continuación adecuados, sin secuencias demasiado largas, sin sustitutos y dentro del rango. Sin embargo, una secuencia UTF-8 válida puede decodificarse en un punto de código Unicode válido que no es un "carácter" en el sentido normal; podría ser un carácter de control, un carácter de formato o un punto de código de área de uso privado.
Sí, 100% gratis, para siempre. Sin registro, sin cuenta, sin nivel premium, sin límites de uso y sin anuncios. Valida tanto texto o tantos archivos como necesites. Todo el procesamiento se realiza localmente en su navegador sin cargas en el servidor, lo que garantiza una privacidad total de los datos confidenciales.