# 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.