Tabela ASCII

Do czego to służy?

ASCII (American Standard Code for Information Interchange) to system kodowania 128 znaków, który mapuje cyfry, litery, znaki interpunkcyjne i kilka znaków sterujących na liczby 0–127. To fundament, który rozszerza każde nowoczesne kodowanie tekstu (UTF-8, Latin-1, Windows-1252) — więc znajomość wartości czasem ratuje życie: gdy diagnozujesz dziwny bajt w pliku binarnym, układasz regex na "dowolny drukowalny znak", czytasz hex dump albo próbujesz sobie przypomnieć, czy nowa linia to 0x0A czy 0x0D.

Kiedy tego użyć

• Czytasz hex dump i próbujesz odgadnąć, co te bajty mówią.
• Piszesz parser i potrzebujesz wartości granicznych: 0x20 (spacja), 0x7E (tylda) — zakres znaków drukowalnych.
• Debugujesz CSV, który się rozpadł, bo coś zawierało 0x09 (Tab) albo 0x1F (Unit Separator).
• Tworzysz encję HTML dla problematycznego znaku — A = A.
• Rozstrzygasz spór, czy \r to 0x0D (tak — Carriage Return) i \n to 0x0A (tak — Line Feed).

Częste pułapki

• ASCII jest 7-bitowy, nie 8-bitowy. Kody 128–255 to nie ASCII — należą do dowolnego kodowania 8-bitowego (Latin-1, CP-1252, …), które dokument deklaruje, albo są bajtami wiodącymi sekwencji UTF-8.
• Końce linii różnią się platformą. Unix/macOS używają tylko LF (0x0A); stary Mac Classic używał CR (0x0D); Windows używa CRLF. Pliki, które je mieszają, łamią naiwne liczenie linii.
• Znaki sterujące to niewidzialni sabotażyści. Skopiowanie z terminala albo PDF-a może wciągnąć 0x1F, 0x07 (BEL — naprawdę pika w terminalu), albo unicode'owe znaki o zerowej szerokości, które w ogóle nie są ASCII. Jeśli tekst "wygląda OK" ale nie pasuje przy porównaniu — wyrzuć go w bajtach.
• Encje HTML nie zawsze są potrzebne. W nowoczesnych dokumentach UTF-8 A i literalne A są równoważne. Escape'uj tylko znaki ze znaczeniem składniowym w HTML: &, <, > oraz " w atrybutach.
• NUL (0x00) kończy stringi w C. Nie wsadzaj go bezmyślnie do buforów C-stringów — wiele API po cichu utnie wszystko po pierwszym NUL.