Tabela ASCII — códigos decimal, hexadecimal, octal, binário e HTML

Como a tabela ASCII é organizada

Os 128 códigos se dividem em quatro faixas de 32, e o layout foi pensado para que operações simples de bits façam trabalho útil.

• 0–31: códigos de controle. Segurar Ctrl em um terminal zera o bit 0x40 da tecla, então Ctrl+M (77 → 13) envia Carriage Return e Ctrl+[ (91 → 27) envia Escape. É daí que vem a notação de circunflexo, como ^M e ^[.

• 32–63: espaço, pontuação e dígitos. Os dígitos 0–9 são 48–57 (0x30–0x39), então os quatro bits menos significativos de um dígito são o seu valor.

• 64–95: @, as letras maiúsculas A–Z (65–90) e [ \ ] ^ _.

• 96–127: `, as letras minúsculas a–z (97–122), { | } ~ e DEL. Cada minúscula é a maiúscula correspondente mais 32, então inverter o bit 0x20 troca a caixa.

DEL é 127, com os sete bits ligados, porque na fita de papel perfurada um caractere errado podia ser apagado perfurando todos os furos.

Caracteres de controle que você ainda encontra

A maioria dos 33 códigos de controle servia para teleimpressoras e conexões seriais e não é usada hoje, mas alguns ainda importam na programação do dia a dia.

• LF (10) e CR (13): quebras de linha. Um arquivo com quebras CR LF do Windows aberto no Linux mostra ^M no fim das linhas; a configuração core.autocrlf do git e a maioria dos editores convertem entre os dois.

• HT (9): a tabulação. Arquivos TSV e Makefiles dependem de uma tabulação de verdade, e não de espaços.

• NUL (0): termina strings em C. Um NUL perdido na entrada do usuário pode truncar uma string em código baseado em C e é uma fonte clássica de bugs.

• ESC (27): inicia sequências de escape ANSI, como \x1b[31m para texto vermelho no terminal.

• ETX (3), EOT (4) e SUB (26): o que Ctrl+C, Ctrl+D e Ctrl+Z enviam. Um terminal Unix transforma Ctrl+C em sinal de interrupção e Ctrl+D em fim da entrada; Ctrl+Z marcava o fim do arquivo em arquivos de texto do DOS.

• BEL (7): imprimi-lo faz muitos terminais apitarem ou piscarem.

Windows-1252, ISO-8859-1 e página de código 437 comparados

O ISO-8859-1 (Latin-1) associa os bytes 128–159 aos códigos de controle C1 e 160–255 aos caracteres que viraram o bloco Latin-1 Supplement do Unicode: espaço não separável, ¡ ¢ £, as letras acentuadas e assim por diante. Seus pontos de código são iguais aos valores dos bytes, e é por isso que o Unicode U+00E9 é é e o byte 233 é é.

O Windows-1252 é idêntico de 160 a 255, mas substitui os controles C1, quase nunca usados, por 27 caracteres imprimíveis: € ‚ ƒ „ … † ‡ ˆ ‰ Š ‹ Œ Ž ‘ ’ “ ” • – — ˜ ™ š › œ ž Ÿ. Cinco bytes (129, 141, 143, 144, 157) não são definidos. Como tanto texto “Latin-1” era na verdade Windows-1252, o WHATWG Encoding Standard manda os navegadores decodificarem os dois rótulos como Windows-1252, e o HTML trata – como – pelo mesmo motivo.

A página de código 437 é o conjunto original do IBM PC: letras acentuadas em outra ordem, letras gregas e símbolos matemáticos, e os caracteres de desenho de caixas e sombreamento (░ ▒ ▓ │ ┤ ╣ ║) com que os programas do DOS desenhavam suas telas. Ela sobrevive nos códigos Alt+nnn do Windows e em algumas impressoras de código de barras, terminais e formatos de arquivo antigos.