Un ordenador no guarda letras: guarda estados eléctricos que solo pueden ser «encendido» o «apagado». Cada uno de esos estados es un bit, y para que una tecla se convierta en algo almacenable hace falta un acuerdo previo sobre qué combinación de bits representa cada símbolo. Esta herramienta hace visible ese acuerdo.
Desmontemos la palabra «Sol»
El proceso tiene dos pasos. Primero se busca el número que la tabla de caracteres asigna a cada símbolo; después ese número se escribe en base 2, con ocho cifras. Un byte son 8 bits, y con ocho posiciones binarias se pueden formar 256 combinaciones distintas, más que suficientes para un alfabeto latino.
- La S mayúscula es el número 83, que en binario se escribe 01010011.
- La o minúscula es el 111, que da 01101111.
- La l minúscula es el 108, o sea 01101100.
«Sol» queda entonces como 01010011 01101111 01101100: tres bytes, veinticuatro bits. Un detalle revelador: mayúsculas y minúsculas se diferencian en un único bit, el tercero por la izquierda. La S vale 83 y la s vale 115, exactamente 32 más. Ese salto de 32 no es casualidad, se diseñó así para que un ordenador pudiera cambiar de caja encendiendo o apagando un solo interruptor. El espacio, por cierto, también ocupa su byte: es el 32, 00100000.
ASCII, o cuando el mundo cabía en 128 casillas
La tabla que asigna esos números se llama ASCII y se estandarizó en 1963 con solo 128 posiciones: las letras inglesas en mayúscula y minúscula, los diez dígitos, la puntuación básica y una treintena de códigos de control heredados del télex, como el salto de línea o el timbre. Los números del 48 al 57 son las cifras del 0 al 9, del 65 al 90 van las mayúsculas y del 97 al 122, las minúsculas.
El problema salta a la vista desde España: en esas 128 casillas no hay ni ñ, ni vocales acentuadas, ni signo de apertura de interrogación. Durante los años ochenta y noventa cada región parcheó el hueco con su propia tabla de 256 caracteres —Latin-1 en Europa occidental, otras distintas en el este o en Grecia—, y de ahí vienen los legendarios «PelÃcula» y «Ma??ana» al abrir un archivo con la tabla equivocada.
UTF-8: por qué la ñ pesa el doble
Unicode acabó con ese caos asignando un número único a cada carácter de cada idioma, y UTF-8 es la forma de escribir esos números en bytes que ha ganado la partida: hoy la usa más del 98 % de la web. Su gracia está en ser de longitud variable, entre uno y cuatro bytes por carácter.
Los primeros 128 valores coinciden con ASCII y siguen ocupando un byte, siempre empezando por cero. Cuando el carácter necesita más sitio, el primer byte arranca con varios unos que anuncian cuántos bytes vienen, y los siguientes empiezan por 10 para identificarse como continuación. La ñ (punto de código U+00F1) se convierte así en 11000011 10110001, y la á (U+00E1) en 11000011 10100001: dos bytes cada una, con el mismo primer byte de aviso. Un emoji de cara sonriente se va hasta los cuatro bytes.
La consecuencia práctica es que en UTF-8 los caracteres no se cuentan igual que los bytes. «Mañana» tiene seis letras pero siete bytes, y eso explica por qué a veces un campo limitado a 160 caracteres se queda corto antes de tiempo, o por qué un SMS con tildes cabe peor que uno sin ellas.
El camino de vuelta
Decodificar es deshacer los mismos pasos en orden inverso. Cambia al modo Binario → Texto, pega los grupos de ocho bits separados por espacios y la herramienta los reagrupa, mira si el primer byte anuncia continuación y reconstruye el carácter completo. Si te devuelve símbolos raros, revisa dos cosas: que todos los grupos tengan exactamente ocho cifras y que no falte ninguno, porque un byte perdido descoloca el resto de la secuencia.
Conviene recordar que esto es una codificación, no un cifrado: cualquiera puede revertirla sin clave alguna. Sirve para entender cómo se representa la información, para ejercicios de clase o para escribir un mensaje con aire críptico, pero no protege nada. Si quieres seguir el hilo, prueba el conversor de bases (decimal, hexadecimal, octal), que te enseña esos mismos números en otras notaciones, o el codificador Base64, la codificación que usan los correos para transportar archivos. Para funciones de un solo sentido está el generador de hash, y para medir cuántos caracteres tiene tu texto, el contador de caracteres. Todo el catálogo en herramientas de archivos.