O que é o ASCII (e o Unicode)?

O código simples por trás de cada letra que escreve, como o Unicode e o UTF-8 nasceram dele e porque é que o texto por vezes se transforma em símbolos estranhos.

Codificação 7 min de leitura

Os computadores só percebem números, por isso cada letra, dígito e símbolo que vê no ecrã é guardado como um número. O ASCII é o acordo clássico sobre qual o número que representa cada caracter, e continua escondido em quase todos os ficheiros de texto, páginas web e programas.

Neste guia vai aprender o que é o ASCII, como estão organizados os seus códigos, porque é que os acentos davam problemas, como o Unicode e o UTF-8 os resolveram e como descobrir o código de qualquer caracter em segundos.

Consulte qualquer código ASCII Veja a tabela ASCII completa com valores em decimal, hexadecimal, binário e o caracter. Grátis e diretamente no navegador. Abrir a tabela ASCII

O que é o ASCII?

ASCII significa American Standard Code for Information Interchange (Código Padrão Americano para Intercâmbio de Informação). Foi criado na década de 1960 para que máquinas diferentes trocassem texto sem confusões, e atribui um número a cada caracter.

É um código de 7 bits, ou seja, tem 128 valores possíveis, de 0 a 127. Isto chega para o alfabeto inglês em maiúsculas e minúsculas, os dígitos de 0 a 9, sinais de pontuação e um conjunto de códigos de controlo.

Caracteres de controlo e caracteres imprimíveis

Os 128 códigos dividem-se em dois grupos. Os códigos de 0 a 31, mais o 127, são caracteres de controlo: não desenham nada, limitam-se a dar instruções a um dispositivo. Os códigos de 32 a 126 são os 95 caracteres imprimíveis que realmente vê.

Alguns valores que vale a pena conhecer:

  • 32 é o caracter de espaço.
  • 48 a 57 são os dígitos de 0 a 9 (ou seja, "0" é 48).
  • 65 a 90 são as letras maiúsculas de A a Z (ou seja, "A" é 65).
  • 97 a 122 são as letras minúsculas de a a z (ou seja, "a" é 97).
  • 10 é a mudança de linha (line feed), 13 é o retorno de carro e 9 é a tabulação.
  • 0 é o caracter nulo, 27 é o Escape e 127 é o Delete.

O truque entre maiúsculas e minúsculas

Compare o "A" (65) com o "a" (97): a diferença é exatamente 32. Isto aplica-se a todos os pares de letras, por isso o "B" é 66 e o "b" é 98. Em binário, essa diferença é um único bit, o que torna a conversão entre maiúsculas e minúsculas muito barata para o computador.

Os dígitos também seguem um padrão. Como o "0" é 48, transforma o caracter de um dígito no seu valor numérico subtraindo 48. É um truque clássico de programação.

Dica: para converter uma letra em minúscula no ASCII, some 32 ao código. Para converter em maiúscula, subtraia 32.

ASCII estendido e páginas de código: porque é que os acentos falhavam

Os computadores guardam dados em bytes de 8 bits, pelo que sobrava espaço para mais 128 valores (de 128 a 255). Fabricantes e países preencheram esse espaço de formas diferentes, criando as "páginas de código", como a ISO-8859-1 para as línguas da Europa Ocidental ou a Windows-1252.

Costumam chamar-lhes ASCII estendido, mas não existe uma norma única: o mesmo número podia ser um "é" numa página e um símbolo completamente diferente noutra. Um texto escrito num sistema podia aparecer errado noutro, e as línguas com milhares de caracteres simplesmente não cabiam.

Unicode: um número para cada caracter

O Unicode resolveu isto dando a cada caracter de cada sistema de escrita um número único, chamado ponto de código (code point), escrito como U+0041 para o "A". Abrange o latim, o cirílico, o chinês, o árabe, o devanágari, o bengali e muitos outros alfabetos, além de símbolos e emojis.

Os primeiros 128 pontos de código do Unicode são idênticos ao ASCII, por isso o "A" é 65 nos dois. O Unicode é um catálogo de caracteres; a forma como esses números são gravados em bytes é outra questão, tratada por uma codificação.

UTF-8: a codificação que conquistou a web

O UTF-8 é a forma mais comum de guardar Unicode. Usa de 1 a 4 bytes por caracter: os caracteres ASCII ocupam apenas um byte, idêntico ao ASCII antigo, as letras acentuadas costumam usar dois, muitos outros alfabetos usam três e os emojis usam quatro.

Como um texto ASCII simples já é UTF-8 válido, os ficheiros antigos e os novos convivem bem. Esta compatibilidade é o principal motivo de o UTF-8 se ter tornado o padrão em páginas web, código-fonte e na maioria dos sistemas modernos.

Porque é que o texto fica estragado (mojibake)

O mojibake surge quando um texto é guardado com uma codificação e lido com outra. Um exemplo clássico: a palavra "café" guardada em UTF-8, mas aberta como Windows-1252, aparece como "café", porque os dois bytes do "é" são lidos como dois caracteres separados.

A solução é quase sempre fazer com que os dois lados concordem. Declare UTF-8 na sua página web, guarde os ficheiros em UTF-8 e confirme que as bases de dados e as ferramentas usam a mesma codificação.

Onde o ASCII ainda é útil

Conhecer o ASCII ajuda no dia a dia técnico. Os programadores usam códigos de caracteres para comparar e ordenar texto, validar dados, criar analisadores e escrever sequências de escape como \n para mudança de linha ou \t para tabulação.

  • Protocolos e formatos como cabeçalhos HTTP, JSON e CSV usam caracteres ASCII na sua estrutura.
  • Os terminais usam o caracter Escape (27) para iniciar comandos de cor e de cursor.
  • Palavras-passe, URL e identificadores costumam ficar limitados a ASCII para evitar problemas de compatibilidade.
  • Depuração: ver o código de um caracter misterioso mostra se é um espaço, uma tabulação ou um símbolo invisível.

Como encontrar o código de um caracter em 3 passos

  1. Abra a tabela ASCII gratuita no navegador.
  2. Encontre o caracter pretendido ou pesquise pelo valor em decimal, hexadecimal ou binário.
  3. Copie o código no formato de que precisa, como decimal para programar ou hexadecimal para um editor de bytes.

Erros comuns a evitar

  • Achar que o "ASCII estendido" é uma norma única. Não é; depende da página de código.
  • Guardar um ficheiro numa codificação e abri-lo noutra.
  • Confundir caracter com byte: em UTF-8, um caracter pode ocupar até 4 bytes.
  • Misturar o dígito "0" (código 48) com o número 0 ou com o caracter nulo (código 0).
  • Esquecer os caracteres de controlo invisíveis, como o retorno de carro (13) e a mudança de linha (10), ao comparar textos de sistemas diferentes.

Conclusão

O ASCII é um código pequeno e elegante de 128 caracteres que continua na base da informática moderna. O Unicode estendeu a ideia a todas as línguas e emojis, e o UTF-8 tornou-a prática mantendo a compatibilidade com o ASCII. Quando surgirem símbolos estranhos ou precisar do código de um caracter, lembre-se de que é só uma questão de acertar as codificações, e a tabela grátis está à distância de um clique.

Perguntas frequentes

Quantos caracteres tem o ASCII?

O ASCII padrão tem 128 caracteres, numerados de 0 a 127: 33 códigos de controlo (0 a 31 e 127) e 95 caracteres imprimíveis, incluindo o espaço.

Qual é a diferença entre ASCII e Unicode?

O ASCII abrange apenas 128 caracteres, pensados sobretudo para o inglês. O Unicode atribui um número único a caracteres de praticamente todos os sistemas de escrita, além de símbolos e emojis. Os primeiros 128 pontos de código do Unicode são iguais ao ASCII.

O UTF-8 é a mesma coisa que o Unicode?

Não. O Unicode é o catálogo de caracteres e dos seus números, enquanto o UTF-8 é uma forma de gravar esses números em bytes. Existem outras codificações, como o UTF-16, mas o UTF-8 é a mais usada na web.

Qual é o código ASCII da letra A?

O "A" maiúsculo é 65 em decimal (41 em hexadecimal) e o "a" minúsculo é 97 (61 em hexadecimal). A diferença entre eles é sempre 32.

Porque é que os acentos se transformam em símbolos estranhos?

Normalmente porque o texto foi guardado numa codificação, como UTF-8, e aberto noutra, como Windows-1252. Usar a mesma codificação nos dois lados, de preferência UTF-8, resolve o problema.

Ferramentas gratuitas referidas neste artigo

Continue a ler

Todos os artigos