Двоичный код: как компьютер понимает буквы
В школе на информатике показывают цепочку нулей и единиц и говорят: «это то, как компьютер видит текст». Если вы в тот момент подумали, что слово «привет» для процессора выглядит как магический набор байтов — вы не одиноки. На деле механика простая, и её можно потрогать руками: переведите любой текст в двоичный код в нашем конвертере и посмотрите, что получится.
Ноль и единица — это просто выключатель
Компьютер физически умеет различать только два состояния: ток есть и тока нет. Единица — есть, ноль — нет. Одна такая ячейка называется битом, и сама по себе она бесполезна: максимум, что можно сказать одним битом, — «да» или «нет». Но если взять восемь бит подряд (байт), комбинаций уже 256 — хватит на весь алфавит, цифры и знаки препинания.
От байта к букве: таблица соответствий
Чтобы байт превратился в букву, нужна договорённость: какая комбинация какому символу соответствует. Такая договорённость называется кодировкой. Классическая ASCII говорила: 01000001 — это большая латинская A, 01000010 — B и так далее. Для кириллицы её не хватало, поэтому появились расширения, а потом единый стандарт Unicode, где на символ отводится уже несколько байт.
Отсюда и берётся привычное слово «байт на символ». Латиница в UTF-8 занимает один байт, а вот русская буква — два. Поэтому текст на русском в двоичном виде всегда длиннее английского: например, «Привет» — это шесть букв и двенадцать байт.
A → 01000001 (1 байт, ASCII)
П → 11010000 10011111 (2 байта, UTF-8)Почему русские буквы «тяжелее»: кириллица и байты
Латинская буква в кодировке UTF-8 занимает один байт, а русская — два. Слово «hello» весит 5 байт, «привет» — уже 12. Причина в том, что восемь бит дают всего 256 комбинаций: этого хватает на латиницу, цифры и знаки, а для кириллицы нужна вторая «страница» кодов, и символ с неё записывается двумя байтами. Поэтому русский текст в двоичном виде почти вдвое длиннее, и «почему кириллица занимает больше бит» — вопрос с точным ответом: не сами буквы тяжелее, а их коды не влезают в один байт.
С числами проще: любое значение от 0 до 255 укладывается в один байт. Число 243 в 8-битовом двоичном коде записывается как 11110011 — 128 + 64 + 32 + 16 + 2 + 1. Проверить можно в столбик: выпишите степени двойки слева направо (128, 64, 32, 16, 8, 4, 2, 1) и складывайте те, под которыми стоит единица.
Как перевести текст самому
- возьмите первый символ текста;
- найдите его код в кодировке — это число;
- переведите число в двоичную систему (делите с остатком на 2 и читаете остатки снизу вверх);
- повторите для каждого символа и склейте результаты через пробел.
Кстати, обратная задача не менее полезна. Если вам достался файл или сообщение из нулей и единиц, знание кодировки позволяет прочитать его. Ошибётесь с кодировкой — получите те самые «кракозябры», которые выскакивают при открытии документа не в той кодировке.
Сколько бит в байте и почему именно восемь
Один байт — это всегда 8 бит, и это даёт 2⁸ = 256 разных комбинаций: от 00000000 до 11111111. Восемь бит стали стандартом не сразу: в старых текстовых кодировках на букву хватало семи бит (128 вариантов хватало латинице, цифрам и знакам), а восьмой бит использовали для проверки на ошибки. Когда понадобилась кириллица и другие алфавиты, восьмой бит раскроили под них — так появились 256-символьные таблицы вроде Windows-1251. Отсюда и правило из школьной программы: 1 байт = 8 бит, 1 килобайт = 1024 байта = 2¹⁰ байт — всё в этой системе построено на степенях двойки.
Зачем это знать на практике
- отладка: когда данные «доезжают» битым текстом, вы сразу поймёте, что проблема в кодировке, а не в программе;
- объёмы: понимание, что кириллица весит вдвое больше латиницы, объясняет, почему один и тот же текст в разных системах занимает разное место;
- экзамены и собеседования: перевод между системами счисления — классический вопрос, а конвертер систем счисления поможет проверить себя.
Двоичная система кажется абстракцией ровно до первого практического случая. Переведите своё имя в биты — и абстракция станет конкретной.