Перевод текста в двоичный код и обратно

Как перевести текст в двоичный код

Каждый символ текста хранится в памяти как один или несколько байтов, а байт — это 8 бит, то есть восемь нулей и единиц. Конвертер кодирует текст в UTF-8, получает байты и записывает каждый в выбранной системе: двоичной (8 знаков), шестнадцатеричной (2 знака) или десятичной (число от 0 до 255). Байты разделяются пробелом, чтобы код можно было прочитать глазами.

символ → код Unicode → байты UTF-8 → каждый байт в 8 бит
«A» = U+0041 = 65 = 0100 0001 → 01000001
«П» = U+041F = D0 9F → 11010000 10011111

Разберём вручную слово «Hi». Буква «H» в таблице ASCII имеет код 72: 72 = 64 + 8, значит, единицы стоят в разрядах 64 и 8 — 01001000. Буква «i» — код 105 = 64 + 32 + 8 + 1 → 01101001. Итог: 01001000 01101001, 2 байта, 16 бит. В шестнадцатеричной записи те же байты — 48 69, в десятичной — 72 105.

С кириллицей на шаг больше: у «П» код Unicode 1055 (U+041F), а в UTF-8 такие коды занимают два байта по шаблону 110xxxxx 10xxxxxx. Биты числа 1055 — 100 0001 1111 — раскладываются по свободным позициям: 11010000 10011111, или D0 9F. Слово «Москва» из шести букв превращается в 12 байт: D0 9C D0 BE D1 81 D0 BA D0 B2 D0 B0.

Таблица ASCII: коды популярных символов

Заглавные и строчные латинские буквы отличаются одним битом — 32: A = 65, a = 97. Цифры идут подряд с 48, поэтому символ «5» — это 48 + 5 = 53. Кириллица в UTF-8 начинается с байта D0 или D1: заглавные А–Я — D0 90…D0 AF, строчные а–п — D0 B0…D0 BF, р–я — D1 80…D1 8F.

Сколько байт занимает символ в UTF-8

Из-за этого текст на русском весит почти вдвое больше латинского при том же числе букв: СМС на кириллице вмещает 70 знаков против 160 латинских по той же причине — экономные кодировки не покрывают русский алфавит. В базах данных и API это влияет на лимиты полей: столбец на 255 байт вмещает лишь 127 русских букв.

Где применяется двоичный код

Программисты используют двоичную и hex-запись при отладке сетевых пакетов, файлов и кодировок: «кракозябры» вроде «РџСЂРёРІРµС‚» — это байты UTF-8, прочитанные как Windows-1251, и по hex-дампу такую ошибку видно сразу. Школьники и студенты в России, Беларуси и Казахстане решают задачи по информатике на объём информации: сообщение из 40 символов в 8-битной кодировке занимает 320 бит, а в UTF-8 с кириллицей — уже 640.

Двоичный код встречается и в дизайне — надписи из нулей и единиц на футболках и в заставках, и в головоломках, где слово спрятано в байтах. Конвертер решает обе задачи: превращает фразу в код и читает код обратно, сообщая, если байты не складываются в корректный текст.