Tabla ASCII: códigos decimal, hexadecimal, octal, binario y HTML

Cómo está organizada la tabla ASCII

Los 128 códigos se dividen en cuatro filas de 32, y la distribución se diseñó para que operaciones de bits sencillas hagan un trabajo útil.

• 0–31: códigos de control. Mantener pulsado Ctrl en un terminal borra el bit 0x40 de la tecla, así que Ctrl+M (77 → 13) envía un retorno de carro y Ctrl+[ (91 → 27) envía Escape. De ahí viene la notación con acento circunflejo como ^M y ^[.

• 32–63: espacio, signos de puntuación y dígitos. Los dígitos 0–9 son 48–57 (0x30–0x39), así que los cuatro bits bajos de un dígito son su valor.

• 64–95: @, las mayúsculas A–Z (65–90) y [ \ ] ^ _.

• 96–127: `, las minúsculas a–z (97–122), { | } ~ y DEL. Cada minúscula es su mayúscula más 32, así que invertir el bit 0x20 cambia entre mayúscula y minúscula.

DEL es 127, con los siete bits activados, porque en la cinta de papel perforada un carácter erróneo se podía borrar perforando todos los agujeros.

Caracteres de control con los que todavía te encuentras

La mayoría de los 33 códigos de control eran para teleimpresoras y enlaces serie y hoy no se usan, pero unos cuantos importan en la programación del día a día.

• LF (10) y CR (13): finales de línea. Un archivo con finales de línea CR LF de Windows abierto en Linux muestra ^M al final de las líneas; el ajuste core.autocrlf de git y la mayoría de los editores convierten entre ambos.

• HT (9): la tabulación. Los archivos TSV y los Makefiles necesitan una tabulación real, no espacios.

• NUL (0): termina las cadenas en C. Un NUL perdido en la entrada del usuario puede truncar una cadena en código basado en C y es una fuente clásica de errores.

• ESC (27): inicia las secuencias de escape ANSI, como \x1b[31m para el texto rojo en un terminal.

• ETX (3), EOT (4) y SUB (26): lo que envían Ctrl+C, Ctrl+D y Ctrl+Z. Un terminal Unix convierte Ctrl+C en una señal de interrupción y Ctrl+D en fin de entrada; Ctrl+Z marcaba el fin de archivo en los archivos de texto de DOS.

• BEL (7): al imprimirlo, muchos terminales emiten un pitido o parpadean.

Windows-1252, ISO-8859-1 y la página de códigos 437 comparadas

ISO-8859-1 (Latin-1) asigna los bytes 128–159 a los códigos de control C1 y los 160–255 a los caracteres que pasaron a ser el bloque Latin-1 Supplement de Unicode: espacio de no separación, ¡ ¢ £, las letras acentuadas, etc. Sus puntos de código coinciden con los valores de sus bytes, por eso U+00E9 en Unicode es é y el byte 233 es é.

Windows-1252 es idéntico del 160 al 255, pero sustituye los controles C1, que apenas se usaban, por 27 caracteres imprimibles: € ‚ ƒ „ … † ‡ ˆ ‰ Š ‹ Œ Ž ‘ ’ “ ” • – — ˜ ™ š › œ ž Ÿ. Cinco bytes (129, 141, 143, 144, 157) no están definidos. Como tanto texto “Latin-1” era en realidad Windows-1252, el WHATWG Encoding Standard indica a los navegadores que decodifiquen ambas etiquetas como Windows-1252, y HTML trata – como – por la misma razón.

La página de códigos 437 es el juego original del IBM PC: letras acentuadas en otro orden, letras griegas y signos matemáticos, y los caracteres de dibujo de recuadros y sombreado (░ ▒ ▓ │ ┤ ╣ ║) con los que los programas de DOS dibujaban sus pantallas. Sobrevive en los códigos Alt+nnn de Windows y en algunas impresoras de códigos de barras, terminales y formatos de archivo antiguos.