پاسخ مستقیم
اسکی (ASCII، مخفف American Standard Code for Information Interchange، اولین انتشار در ۱۹۶۳) به ۱۲۸ کاراکتر یک عدد از ۰ تا ۱۲۷ میدهد. کدهای ۰ تا ۳۱ و ۱۲۷ کدهای کنترلی نامرئیاند (tab، خط جدید، escape). کدهای ۳۲ تا ۱۲۶ کاراکترهای قابلچاپ هستند: فاصله، علائم، ارقام و حروف انگلیسی.
برای تبدیل لازم نیست سراغ سایتهای مبدل بروی. ابزارش از قبل در هر ترمینال لینوکس و macOS هست:
printf 'Hi' | xxd -p # ASCII to hex → 4869
echo 4869 | xxd -r -p # hex to ASCII → Hi
printf '%d\n' "'A" # character to code → 65جدول کاراکترهای قابلچاپ اسکی
هر ردیف سه کد دارد که دقیقاً ۳۲ تا با هم فاصله دارند. برای همین A (۶۵) و a (۹۷) در یک ردیفاند: حروف بزرگ و کوچک انگلیسی فقط در یک بیت، 0x20، فرق دارند.
| دهدهی | هگز | کاراکتر | دهدهی | هگز | کاراکتر | دهدهی | هگز | کاراکتر |
|---|---|---|---|---|---|---|---|---|
| 32 | 0x20 | SP (فاصله) | 64 | 0x40 | @ | 96 | 0x60 | ` |
| 33 | 0x21 | ! | 65 | 0x41 | A | 97 | 0x61 | a |
| 34 | 0x22 | " | 66 | 0x42 | B | 98 | 0x62 | b |
| 35 | 0x23 | # | 67 | 0x43 | C | 99 | 0x63 | c |
| 36 | 0x24 | $ | 68 | 0x44 | D | 100 | 0x64 | d |
| 37 | 0x25 | % | 69 | 0x45 | E | 101 | 0x65 | e |
| 38 | 0x26 | & | 70 | 0x46 | F | 102 | 0x66 | f |
| 39 | 0x27 | ' | 71 | 0x47 | G | 103 | 0x67 | g |
| 40 | 0x28 | ( | 72 | 0x48 | H | 104 | 0x68 | h |
| 41 | 0x29 | ) | 73 | 0x49 | I | 105 | 0x69 | i |
| 42 | 0x2A | * | 74 | 0x4A | J | 106 | 0x6A | j |
| 43 | 0x2B | + | 75 | 0x4B | K | 107 | 0x6B | k |
| 44 | 0x2C | , | 76 | 0x4C | L | 108 | 0x6C | l |
| 45 | 0x2D | - | 77 | 0x4D | M | 109 | 0x6D | m |
| 46 | 0x2E | . | 78 | 0x4E | N | 110 | 0x6E | n |
| 47 | 0x2F | / | 79 | 0x4F | O | 111 | 0x6F | o |
| 48 | 0x30 | 0 | 80 | 0x50 | P | 112 | 0x70 | p |
| 49 | 0x31 | 1 | 81 | 0x51 | Q | 113 | 0x71 | q |
| 50 | 0x32 | 2 | 82 | 0x52 | R | 114 | 0x72 | r |
| 51 | 0x33 | 3 | 83 | 0x53 | S | 115 | 0x73 | s |
| 52 | 0x34 | 4 | 84 | 0x54 | T | 116 | 0x74 | t |
| 53 | 0x35 | 5 | 85 | 0x55 | U | 117 | 0x75 | u |
| 54 | 0x36 | 6 | 86 | 0x56 | V | 118 | 0x76 | v |
| 55 | 0x37 | 7 | 87 | 0x57 | W | 119 | 0x77 | w |
| 56 | 0x38 | 8 | 88 | 0x58 | X | 120 | 0x78 | x |
| 57 | 0x39 | 9 | 89 | 0x59 | Y | 121 | 0x79 | y |
| 58 | 0x3A | : | 90 | 0x5A | Z | 122 | 0x7A | z |
| 59 | 0x3B | ; | 91 | 0x5B | [ | 123 | 0x7B | { |
| 60 | 0x3C | < | 92 | 0x5C | \ | 124 | 0x7C | | |
| 61 | 0x3D | = | 93 | 0x5D | ] | 125 | 0x7D | } |
| 62 | 0x3E | > | 94 | 0x5E | ^ | 126 | 0x7E | ~ |
| 63 | 0x3F | ? | 95 | 0x5F | _ | 127 | 0x7F | DEL |
SP همان کاراکتر فاصله است. DEL (۱۲۷) کد کنترلی است، نه کاراکتر قابلچاپ.
کدهای کنترلی که واقعاً با آنها سروکار داری
| نام | دهدهی | هگز | Escape | کاربرد |
|---|---|---|---|---|
| NUL | 0 | 0x00 | \0 |
پایان رشته در C؛ جداکنندهٔ find -print0 و xargs -0 |
| TAB | 9 | 0x09 | \t |
tab افقی |
| LF | 10 | 0x0A | \n |
خط جدید در Unix |
| CR | 13 | 0x0D | \r |
بازگشت به ابتدای خط؛ ویندوز خط را با CR LF تمام میکند |
| ESC | 27 | 0x1B | \e |
شروع دنبالههای رنگ و مکاننمای ترمینال |
| DEL | 127 | 0x7F | حذف |
با xxd میشود دیدشان. یک tab، یک CR و یک خط جدید:
printf 'a\tb\r\n' | xxd
# 00000000: 6109 620d 0a a.b..سه الگو که ارزش حفظ کردن دارند
- ارقام:
'0'برابر0x30و'9'برابر0x39است.0x30را کم کنی، خود عدد میماند. - حروف بزرگ:
AتاZیعنی0x41تا0x5A. - حروف کوچک:
aتاzیعنی0x61تا0x7A، همان حرف بزرگ بهعلاوهٔ0x20.
حرف A به صورت باینری؛ بیت پنجم (بیت 0x20) تنها تفاوت A و a است:
printf 'A' | xxd -b
# 00000000: 01000001 Aتبدیل hex به ascii و ascii به hex در ترمینال
# ASCII to hex: full dump, plain hex, or space-separated bytes
printf 'Hi' | xxd # 00000000: 4869 Hi
printf 'Hi' | xxd -p # 4869
printf 'Hi' | od -An -tx1 # 48 69
# Hex to ASCII
echo 4869 | xxd -r -p # Hi
printf '\x48\x69\n' # Hi
# Character to code, and code to character
printf '%d\n' "'A" # 65
printf "\\$(printf '%03o' 97)\n" # a
python3 -c "print(ord('A'), chr(97))" # 65 aدر لینوکس، man ascii جدول کامل را همراه با کدهای کنترلی، به صورت اکتال، دهدهی و هگز چاپ میکند.
base64 اسکی نیست، ولی همسایهٔ دیوار به دیوار آن است
base64 هر دنباله بایتی را به زیرمجموعهای امن از کاراکترهای قابلچاپ اسکی (حروف، ارقام، +، / و =) تبدیل میکند تا دادهٔ باینری بتواند از ایمیل، JSON یا URL رد شود:
printf 'Hi' | base64 # SGk=
echo SGk= | base64 -d # Hiجایی که اسکی تمام میشود و UTF-8 شروع میشود
اسکی در ۱۲۷ تمام میشود، پس در ۷ بیت جا میشود. UTF-8 طوری طراحی شده که هر بایت اسکی در آن دقیقاً همان معنا را داشته باشد. بقیهٔ کاراکترها (حروف فارسی، اعراب، ایموجی) دو تا چهار بایت میگیرند و همهٔ آن بایتها 0x80 یا بیشترند:
printf 'سلام' | xxd
# 00000000: d8b3 d984 d8a7 d985 ........چهار حرف فارسی، هشت بایت. xxd به جایشان نقطه نشان میدهد چون این بایتها اسکی قابلچاپ نیستند.
بعضی بایتها، مثل 0xFE، هیچوقت در UTF-8 معتبر ظاهر نمیشوند. اما اسم فایل در لینوکس میتواند شامل آنها باشد، چون برای کرنل اسم فایل فقط چند بایت است. وقتی ابزاری چنین اسمی را «تعمیر» میکند، آن بایت را با EF BF BD (کاراکتر جایگزین �) عوض میکند و ابزار بعدی در pipeline دیگر فایل را پیدا نمیکند:
printf 'test_\xFEinvalid' | iconv -f utf-8 -t utf-8
# iconv: illegal input sequence at position 5دقیقاً همین باگ را در fd درست کردم. ماجرایش، با hex dump قبل و بعد، اینجاست: اسم فایلت میتونه عجیب باشه؛ ابزارهات نباید عجیبترش کنن
پرسشهای پرتکرار
اسکی مخفف چیست؟
American Standard Code for Information Interchange، یعنی «کد استاندارد آمریکایی برای تبادل اطلاعات». اولین بار در ۱۹۶۳ توسط American Standards Association (که امروز ANSI است) منتشر شد.
اسکی چند بیتی است؟
۷ بیتی؛ یعنی ۱۲۸ کد (۰ تا ۱۲۷). در عمل هر کاراکتر در یک بایت ۸ بیتی ذخیره میشود که بیت بالایش صفر است.
کد اسکی حرف A و a چند است؟
A برابر ۶۵ (0x41) و a برابر ۹۷ (0x61) است. تفاوتشان همیشه ۳۲ (0x20) است.
آیا اسکی همان UTF-8 است؟
نه، ولی UTF-8 شامل اسکی است. هر متن اسکی معتبر، با همان بایتها، UTF-8 معتبر هم هست. UTF-8 برای بقیهٔ کاراکترها دنبالههای چندبایتی اضافه میکند.
چرا حروف فارسی در اسکی نیستند؟
چون اسکی فقط ۱۲۸ جا دارد و برای انگلیسی طراحی شده. کدهای ۱۲۸ تا ۲۵۵ («اسکی توسعهیافته») هم جزو خود اسکی نیستند. کدپیجهای قدیمی مثل Windows-1256 آنها را برای فارسی و عربی استفاده میکردند و همین علت متنهای «بههمریخته» در فایلهای قدیمی است. امروز حروف فارسی در UTF-8 هر کدام دو بایت میگیرند.