# ASCII ## ASCII 7-bits Computadores trabalham com números, mas humanos trabalham também com texto. Sendo assim, houve a necessidade de criar um padrão de representação textual - e também de controle, que você entenderá a seguir. O **A**merican **S**tandard **C**ode for **I**nformation **I**nterchange, ou em português, Código Padrão Americano para o Intercâmbio de Informação, é uma codificação criada nos EUA (como o nome sugere), já que o berço da computação foi basicamente lá. Na época em que foi definido, lá pela década de 60, foi logo usado em equipamentos de telecomunicações e também nos computadores. Basicamente é uma tabela que relaciona um **número** de 7 *bits* com sinais de controle e caracteres imprimíveis. Por exemplo, o número 97 (0b1100001) representa o caractere 'a', enquanto 98 (0b1100010) é o 'b'. Perceba que tais números não excedem os 7 *bits*, mas como em computação falamos quase sempre em *bytes*, então acaba que um caractere ASCII possui 8 *bits* mas só usa 7. A tabela ASCII vai de 0 a 127 e pode ser encontrada no apêndice Tabela ASCII, que você pode consultar agora. Há vários testes interessantes que você pode fazer para entender melhor as *strings* ASCII. Ao saber que o caractere `'a'` é o número 97, você pode usar a função `chr()` no Python para conferir: ```python >>> chr(97) 'a' ``` Viu? Quando você digita 'a', o computador entende o *byte* 0x61 (97 em decimal). De forma análoga, quando um programa que exibe um texto na tela encontra o *byte* 0x61, ele exibe o caractere 'a'. Como você pode ver na tabela ASCII, todas as letras do alfabeto americano estão lá, então é razoável concluir que uma frase inteira seja na verdade uma sequência de *bytes* onde cada um deles está na faixa da tabela ASCII. Podemos usar o Python para rapidamente imprimir os valores ASCII de cada caractere de uma string: ```python >>> b'menteb.in'.hex(' ') '6d 65 6e 74 65 62 2e 69 6e' ``` > Perceba o **b** minúsculo antes das aspas do texto. Em Python, isso cria um objeto da classe `bytes` ao invés de `str`. Essa classe tem um método `hex()` para imprimir cada o valor de caractere da string em hexadecimal e aceita um argumento para ser utilizado como separador entre os *bytes.* No exemplo, usei um caractere de espaço. É exatamente assim que um texto ASCII vai parar dentro de um programa ou arquivo. Agora vá até o Apêndice Tabela ASCII e observe o seguinte: * O primeiro sinal é o NUL, também conhecido como *null* ou nulo. É o *byte* 0. * Outro *byte* importante é 0x0a, conhecido também por \n, *line feed*, LF, *newline* ou simplesmente "caractere de nova linha". * O MS-DOS e o Windows utilizam na verdade **dois** caracteres para delimitar uma nova linha. Antes do 0x0a, temos um 0x0d, conhecido também por \r, *carriage return* ou CR. Essa dupla é também conhecida por **CrLf**. * O caractere de espaço é o 0x20. * Os dígitos vão de 0x30 a 0x39. * As letras maiúsculas vão de 0x41 a 0x5a. * As letras minúsculas vão de 0x61 a 0x7a. Agora, algumas relações: * Se somarmos 0x20 ao número ASCII equivalente de um caractere maiúsculo, obtemos o número equivalente do caractere minúsculo em questão. Da mesma forma, se diminuirmos 0x20 ao valor de um caractere minúsculo, obtemos o seu maiúsculo. Perceba que basta mudar o bit 5 (da direita para a esquerda, com a contagem começando em zero) do valor para alternar entre maiúsculo e minúsculo. * Se diminuirmos 0x30 de um dígito, temos o equivalente numérico do dígito. Por exemplo, o dígito 5 possui o valor 0x35. Então, 0x35 - 0x30 = 5. > Sabe quando no Linux você dá um `cat` num arquivo que não é de texto e vários caracteres "doidos" aparecem na tela enquanto você escuta alguns *beeps*? Esses sons são, na verdade, os bytes 0x07 encontrados no arquivo. Experimente! Para complementar esta seção, assista ao vídeo **Entendendo a tabela ASCII** no nosso canal no YouTube. Nele há exemplos no Linux, mas o conceito é o mesmo. {% embed url="" %} ## ASCII Estendida A tabela ASCII padrão de 7 *bits* é limitada ao idioma inglês no que diz respeito a texto. Perceba que uma simples letra 'á' (com acento agudo) é impossível nesta tabela. Sendo assim, ela foi estendida e inteligentemente passou-se a utilizar o último *bit* do *byte* que cada caractere ocupa, tornando-se assim uma tabela de 8 *bits*, que vai de 0 a 255 (em decimal). Essa extensão da tabela ASCII varia de acordo com a **página de código *****(code page)*** utilizada, por vezes chamada de **codificação** ou ***encoding***. Tal variação acontece porque ela a extensão foi criada para permitir texto em outros idiomas, mas somente 128 caracteres a mais não são suficientes para representar os caracteres de todos os idiomas existentes. Uma página de código comumente utilizada em textos escritos em línguas latinas (como o português) é a ISO-8859-1, também chamada de Latin-1, que você vê no Apêndice Tabela ISO-8859-1/Latin-1. Mas existem muitas outras que não cobriremos neste livro. É importante entender que as *code pages* definem *code points* para caracteres de idiomas diferentes. Logo, o mesmo *code point* pode gerar caracteres diferentes dependendo da *code page* em vigor. Por exemplo: | Code point | Code page | Caractere | | ---------- | ---------- | --------- | | 200 | ISO-8859-2 | Č | | 200 | ISO-8859-5 | Ш | Para resolver este problema de múltiplas *code pages*, inventaram o Unicode, que veremos a seguir. --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://mentebinaria.gitbook.io/engenharia-reversa/03-cadeias-de-texto/ascii.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.