Consulta de Tabela ASCII

ASCII (American Standard Code for Information Interchange) é um padrão de codificação de caracteres baseado no alfabeto latino. Originalmente desenvolvido para comunicação telegráfica, tornou-se o sistema fundamental de codificação de caracteres em computação. ASCII padrão contém 128 caracteres (0-127), incluindo 33 caracteres de controle e 95 caracteres imprimíveis. Uma tabela ASCII é especialmente útil para depurar codificações, caracteres de controle, protocolos, sequências de escape, terminais e formatos antigos. Valores decimais, hexadecimais e binários mostram como um caractere é armazenado ou transmitido de fato. Textos modernos geralmente usam Unicode, então ASCII cobre apenas o núcleo histórico de 7 bits. Para caracteres internacionais, emojis, sinais tipográficos e textos multilíngues, ainda é necessário verificar code points Unicode e regras de codificação.

ASCII (American Standard Code for Information Interchange, ANSI X3.4-1968, ISO/IEC 646:1991 IRV) é uma codificação de caracteres de 7 bits que atribui códigos numéricos 0-127 a 128 caracteres. Os 32 primeiros códigos (0x00-0x1F) mais 0x7F são caracteres de controle herdados de telex: NUL (0x00), BEL (0x07, o alerta sonoro), LF (0x0A, line feed), CR (0x0D, carriage return), ESC (0x1B), DEL (0x7F), entre outros. Os códigos 0x20-0x7E são imprimíveis: espaço, os dígitos 0-9 em 0x30-0x39, as letras maiúsculas A-Z em 0x41-0x5A, as letras minúsculas a-z em 0x61-0x7A e pontuação entre eles. A codificação tem uma estrutura deliberadamente regular. Os dígitos são agrupados: '0' = 0x30, '1' = 0x31, ..., '9' = 0x39. Converter um caractere de dígito em seu valor numérico é `code - 0x30`. As letras também são agrupadas: 'A' = 0x41, 'B' = 0x42, ..., 'Z' = 0x5A, e 'a' = 0x61, ..., 'z' = 0x7A. A diferença entre maiúsculas e minúsculas para a mesma letra é 0x20 (32), que é exatamente um bit definido na posição 5 (1 << 5 = 32). Isso torna a conversão de maiúsculas/minúsculas um único XOR ou OR/AND com 0x20: `code ^ 0x20` inverte maiúsculas/minúsculas, `code | 0x20` converte para minúsculas, `code & 0x5F` (= `code & ~0x20`) converte para maiúsculas. Esse truque de bit é a conversão de caso mais rápida possível e aparece em implementações de strlen/strcmp para strings somente ASCII. O ASCII foi projetado para telex de 7 bits e o código Baudot de 5 níveis que o precedeu, então é anterior aos bytes de 8 bits. A faixa de 'ASCII estendido' de 8 bits (0x80-0xFF) nunca foi padronizada, razão pela qual tantas páginas de código (ISO 8859-1 Latin-1, Windows-1252, MacRoman, KOI8-R, IBM437) competiram pela metade superior. ISO 8859-1 (Latin-1) era o mais próximo de um padrão, mas mesmo ele não tinha o símbolo do Euro até ISO 8859-15. A faixa de controle C1 (0x80-0x9F) deveria ser reservada (ISO 6429), mas Windows-1252 reutilizou parte dela para caracteres imprimíveis — um ponto de dor de interoperabilidade de longa data que o UTF-8 finalmente resolveu. UTF-8 (RFC 3629, 2003) foi projetado por Rob Pike e Ken Thompson em 1992 como um superset retrocompatível: os 128 códigos ASCII se codificam como bytes únicos (0x00-0x7F), então qualquer texto ASCII também é um texto UTF-8 válido. Códigos acima de 0x7F usam sequências de 2, 3 ou 4 bytes com padrões de bits específicos (110xxxxx 10xxxxxx, 1110xxxx 10xxxxxx 10xxxxxx, 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx) para que um decodificador possa ressincronizar byte a byte após um erro. O EBCDIC, por outro lado, era a codificação de 8 bits para mainframes da IBM (EBCDIC de 8 bits era de 8 bits, não de 7 bits como ASCII) e atribui letras a code points não contíguos ('A' = 0xC1, 'I' = 0xC9, 'J' = 0xD1, ..., com lacunas que prejudicam truques de bits e algoritmos de string). Variantes nacionais do ISO 646 substituíram um pequeno conjunto de caracteres ASCII por letras específicas de cada país. Por exemplo, a variante britânica substituiu 0x23 (o '#' americano) pelo símbolo da libra '£', e a variante alemã substituiu parte da pontuação por acentos. É por isso que as configurações de locale do C e os arquivos charmap do POSIX eram historicamente importantes — eles mapeavam entre o IRV (International Reference Version) e as variantes nacionais. A saída desse emaranhado é Unicode / UTF-8, que torna todo o debate de 7 bits e 8 bits obsoleto para qualquer projeto novo.

• ASCII (ANSI X3.4-1968, ISO/IEC 646 IRV) usa 7 bits por caractere com 128 code points: 33 caracteres de controle (0x00-0x1F, 0x7F) e 95 caracteres imprimíveis (0x20-0x7E).
• Caracteres de controle (0x00-0x1F, 0x7F) foram herdados de telex: NUL, BEL (0x07, alerta sonoro), LF (0x0A), CR (0x0D), ESC (0x1B), DEL (0x7F). Textos modernos ainda usam LF e CR; o resto é quase todo história.
• Layout imprimível: espaço (0x20), dígitos '0'-'9' (0x30-0x39), maiúsculas 'A'-'Z' (0x41-0x5A), minúsculas 'a'-'z' (0x61-0x7A), pontuação entre eles. Converter '5' para 5 é `code - 0x30`; maiúscula para minúscula é `code | 0x20`.
• A conversão de maiúsculas/minúsculas é uma única operação de bit: XOR 0x20 inverte; OR 0x20 converte para minúsculas; AND 0x5F (= `code & ~0x20`) converte para maiúsculas. Esta é a conversão de caso mais rápida em qualquer linguagem e é como strlen/strcmp funcionam em buffers somente ASCII.
• Extensões de 8 bits (0x80-0xFF) nunca foram padronizadas, então Windows-1252, ISO-8859-1, MacRoman, KOI8-R, IBM437 definiram a metade superior de forma diferente. Windows-1252 venceu na web e é o 'ASCII estendido' de fato que a maioria do código legado usa.
• UTF-8 (RFC 3629, Pike & Thompson 1992) é um superset estrito de ASCII: os 128 code points ASCII se codificam como eles mesmos em 1 byte; code points acima de U+007F usam 2-4 bytes com bytes de continuação 110xxxxx 10xxxxxx, para que decodificadores possam ressincronizar byte a byte após erros.
• EBCDIC (IBM, mainframes dos anos 1960) é a alternativa de 8 bits ao ASCII usada no IBM z/OS. As posições das letras não são contíguas ('A'=0xC1, 'I'=0xC9, 'J'=0xD1), então o truque de conversão de caso ASCII não funciona e algoritmos de bit-shift como tolower() precisam de tabelas de consulta.
• Variantes nacionais do ISO 646 (britânica, alemã, sueca, etc.) substituíram um pequeno conjunto de caracteres ASCII por letras específicas de cada país: a variante britânica trocou '#' por '£' em 0x23, a variante alemã trocou pontuação por acentos. Localização pré-Unicode em poucas palavras.