Tabella ASCII — Codici decimali, esadecimali, ottali, binari e HTML

Come è organizzata la tabella ASCII

I 128 codici sono divisi in quattro righe da 32, e la disposizione è stata pensata perché semplici operazioni sui bit facciano un lavoro utile.

• 0–31: codici di controllo. Tenendo premuto Ctrl su un terminale si azzera il bit 0x40 del tasto, quindi Ctrl+M (77 → 13) invia Carriage Return e Ctrl+[ (91 → 27) invia Escape. Da qui deriva la notazione con accento circonflesso, come ^M e ^[.

• 32–63: spazio, punteggiatura e cifre. Le cifre 0–9 sono 48–57 (0x30–0x39), quindi i quattro bit meno significativi di una cifra sono il suo valore.

• 64–95: @, le lettere maiuscole A–Z (65–90) e [ \ ] ^ _.

• 96–127: `, le lettere minuscole a–z (97–122), { | } ~ e DEL. Ogni lettera minuscola è la sua maiuscola più 32, quindi invertendo il bit 0x20 si cambia maiuscolo/minuscolo.

DEL è 127, con tutti e sette i bit a 1, perché sul nastro di carta perforato un carattere sbagliato si poteva cancellare perforando tutti i fori.

I caratteri di controllo che incontri ancora

La maggior parte dei 33 codici di controllo serviva per telescriventi e collegamenti seriali e oggi non si usa più, ma alcuni contano nella programmazione di tutti i giorni.

• LF (10) e CR (13): i fine riga. Un file con fine riga CR LF di Windows aperto su Linux mostra ^M alla fine delle righe; l'impostazione core.autocrlf di git e la maggior parte degli editor convertono tra i due.

• HT (9): la tabulazione. I file TSV e i Makefile richiedono una vera tabulazione, non spazi.

• NUL (0): termina le stringhe in C. Un NUL di troppo nell'input dell'utente può troncare una stringa nel codice basato su C ed è una classica fonte di bug.

• ESC (27): avvia le sequenze di escape ANSI, come \x1b[31m per il testo rosso in un terminale.

• ETX (3), EOT (4) e SUB (26): ciò che inviano Ctrl+C, Ctrl+D e Ctrl+Z. Un terminale Unix trasforma Ctrl+C in un segnale di interruzione e Ctrl+D in fine dell'input; Ctrl+Z segnava la fine del file nei file di testo DOS.

• BEL (7): stamparlo fa emettere un bip o lampeggiare molti terminali.

Windows-1252, ISO-8859-1 e code page 437 a confronto

ISO-8859-1 (Latin-1) associa i byte 128–159 ai codici di controllo C1 e i byte 160–255 ai caratteri che sono diventati il blocco Latin-1 Supplement di Unicode: spazio unificatore, ¡ ¢ £, le lettere accentate e così via. I suoi code point coincidono con i valori dei byte, ed è per questo che Unicode U+00E9 è é e il byte 233 è é.

Windows-1252 è identico da 160 a 255, ma sostituisce i controlli C1, quasi inutilizzati, con 27 caratteri stampabili: € ‚ ƒ „ … † ‡ ˆ ‰ Š ‹ Œ Ž ‘ ’ “ ” • – — ˜ ™ š › œ ž Ÿ. Cinque byte (129, 141, 143, 144, 157) non sono definiti. Poiché moltissimo testo “Latin-1” era in realtà Windows-1252, lo standard WHATWG Encoding indica ai browser di decodificare entrambe le etichette come Windows-1252, e HTML tratta – come – per lo stesso motivo.

La code page 437 è il set originale del PC IBM: lettere accentate in un ordine diverso, lettere greche e simboli matematici, e i caratteri per riquadri e ombreggiature (░ ▒ ▓ │ ┤ ╣ ║) con cui i programmi DOS disegnavano le schermate. Sopravvive nei codici Alt+nnn di Windows e in alcune stampanti di codici a barre, terminali e vecchi formati di file.