Cum se folosește

Alegeți „Text → octeți” pentru codificare sau „Octeți → text” pentru decodificare.
Alegeți un format pentru octeți: binar, hexazecimal, zecimal sau octal.
Introduceți sau lipiți datele de intrare. Rezultatul și numărul de octeți se actualizează pe măsură ce tastați.
Copiați rezultatul sau aduceți-l înapoi în câmpul de intrare pentru a verifica conversia dus-întors.

Cum funcționează

Calculatoarele stochează textul sub formă de octeți. Acest instrument folosește UTF-8, codificarea utilizată de aproape fiecare site web și sistem modern. În UTF-8, cele 128 de caractere ASCII (litere englezești, cifre și semne de punctuație de bază) ocupă câte un octet fiecare, astfel încât H este 01001000 în binar și 48 în hexazecimal. Toate celelalte caractere ocupă între doi și patru octeți: é are 2 octeți (C3 A9), € și ☕ au 3 octeți, iar majoritatea emoji au 4 octeți. De aceea numărul de octeți poate fi mai mare decât numărul de caractere și de aceea un caracter se poate transforma în mai multe grupuri de 8 biți.

Fiecare octet poate fi scris în patru moduri uzuale: binar cu 8 cifre (00000000–11111111), hexazecimal cu 2 cifre (00–FF), zecimal (0–255) sau octal cu 3 cifre (000–377). Când octeții sunt scriși fără separatori, valorile binare, hexazecimale și octale sunt completate cu zerouri până la o lățime fixă, iar valorile zecimale sunt completate la 3 cifre pentru a putea fi separate din nou fără ambiguitate.

Decodificarea tolerează formatarea: spațiile, sfârșiturile de linie, virgulele și punctele și virgulele dintre octeți sunt ignorate, la fel ca prefixele 0x și 0b și secvențele escape \x. Fiecare grup este verificat; o cifră care nu este permisă în formatul ales sau o valoare peste 255 este raportată cu poziția octetului. După decodificare, octeții sunt verificați pentru a fi UTF-8 valid și vi se spune dacă nu sunt text.

Caracterele alcătuite din mai multe puncte de cod, cum ar fi steagurile sau emoji cu tonuri de piele, sunt numărate aici ca mai multe caractere, deoarece fiecare punct de cod este codificat separat.

Exemple

Clasicul „Hi” în binar

H este ASCII 72 și i este 105, deci „Hi” devine 01001000 01101001 în binar, 48 69 în hexazecimal și 72 105 în zecimal: 2 caractere, 2 octeți, 16 biți.

De ce „Café” are 5 octeți

C, a și f au câte un octet fiecare, dar é are doi octeți în UTF-8: 11000011 10101001 (C3 A9). Cuvântul are 4 caractere, dar ocupă 5 octeți, ceea ce contează pentru limitele coloanelor de baze de date și pentru câmpurile de protocol măsurate în octeți.

Citirea unui dump hexazecimal

Un debugger afișează 48 65 6c 6c 6f 2c 20 e4 b8 96 e7 95 8c. Lipiți-l cu „Octeți → text” și Hexazecimal pentru a obține „Hello, 世界”; fiecare caracter chinezesc are 3 octeți.

Întrebări frecvente

De ce un caracter se transformă în 16, 24 sau 32 de biți?

În UTF-8, doar caracterele ASCII încap într-un octet (8 biți). Literele accentuate și majoritatea celorlalte alfabete folosesc 2 octeți, caracterele chinezești, japoneze și coreene și multe simboluri folosesc 3, iar emoji folosesc 4. Fiecare octet este afișat ca propriul său grup.

Este ASCII sau UTF-8?

UTF-8. Pentru text simplu în engleză, rezultatul este identic cu ASCII, deoarece UTF-8 a fost proiectat pentru a fi compatibil cu acesta. Caracterele dincolo de ASCII nu ar putea fi reprezentate doar în ASCII.

De ce primesc o eroare când decodez binar?

Fiecare octet trebuie să aibă cel mult 8 cifre binare și să conțină doar 0 și 1. Fără spații, numărul total de cifre trebuie să fie multiplu de 8. Mesajul de eroare indică octetul care nu a putut fi citit.

Ce înseamnă „UTF-8 nevalid”?

Octeții nu formează secvențe UTF-8 valide, de exemplu un octet izolat peste 127 sau o secvență întreruptă la mijloc. Datele pot proveni dintr-un fișier cu altă codificare, cum ar fi Windows-1252, sau este posibil să nu fie deloc text.

Confidențialitate

Conversia rulează în browser, folosind codificatorul și decodificatorul UTF-8 încorporate. Textul nu este încărcat, stocat sau inclus în datele de analiză.