テキストをバイナリに変換

仕組み

テキストを元になっている数値に変換する場面は、パズル、教育、デバッグ、プロトコルの作業でよくあります。つまずきやすいのは、コンピューターにとってテキストは文字ではなくバイトであり、どのバイトになるかはエンコーディングによる、という点です。

重要なのはUTF-8です

テキストは変換前にUTF-8のバイトにエンコードされます。英数字は1文字1バイトなので、結果は多くのチュートリアルで使われるASCII表とまったく同じに見えます。アクセント付きの文字は2バイト、絵文字は4バイトになるため、バイト数と文字数は異なり、両方が表示されます。

グループ分け

2進数は1バイトあたり8桁、16進数は2桁、8進数は3桁にゼロ埋めされ、バイトの間にスペースが入ります。このグループ分けによって出力が読みやすくなり、曖昧さなく元にデコードできます。

元に戻す

スペースで区切った数値のグループを貼り付けると、バイトとして読み取られ、UTF-8としてデコードされます。0〜255の範囲外のグループや、有効なUTF-8ではない並びは、無意味な文字列を黙って出力するのではなく、エラーとして報告されます。

どの進数を選ぶか

「テキストをバイナリに変換」というときに人が意味するのは2進数です。16進数はずっとコンパクトで、バイナリエディタやプロトコルのダンプで目にするものです。8進数はほとんど歴史的なものです。10進数は声に出して読むのに最も向いています。