Od bitů ke znakům
Dvojková soustava je poziční soustava o základu dva. Jeden bit nese jednu ze dvou hodnot, osm bitů tvoří bajt a umí zapsat 256 různých hodnot. Váha pozic jde zprava doleva jako 1, 2, 4, 8, 16 a dál, takže zápis 01000001 odpovídá číslu 65.
Číslo 65 je zároveň kód velkého písmene A v tabulce ASCII. Převod textu do binárního zápisu tedy probíhá ve dvou krocích: nejdřív se každý znak převede na číselný kód podle znakové sady a teprve to číslo se zapíše dvojkově. Bez znalosti kódování je posloupnost jedniček a nul nejednoznačná.
Proč se čeština do osmi bitů nevejde
Původní ASCII je sedmibitová a obsahuje 128 znaků: anglickou abecedu, číslice, interpunkci a řídicí kódy. Písmena s háčky a čárkami v ní nejsou. Dnešní standard UTF-8 je s ASCII zpětně kompatibilní, ale znaky mimo něj kóduje do dvou až čtyř bajtů.
Znak á má kódový bod U+00E1 a v UTF-8 se zapíše dvěma bajty. V binárním výstupu tedy jednomu písmenu odpovídá šestnáct bitů, ne osm. Když výsledek dekódujete jako starší jednobajtovou stránku, dostanete dva nesmyslné znaky. Většina takzvaně nefunkčních převodů má na svědomí právě tohle.
Šestnáctková soustava a jednotky velikosti
V praxi se místo binárního zápisu častěji používá hexadecimální, protože jedna hexadecimální číslice odpovídá přesně čtyřem bitům a zápis je čtyřikrát kratší. Prefix 0b značí binární literál, 0x hexadecimální.
Pozor na násobky. Podle SI je kilobajt 1000 bajtů, zatímco 1024 bajtů je správně kibibajt se zkratkou KiB. Odtud plyne známý rozdíl mezi kapacitou disku uváděnou výrobcem a hodnotou zobrazenou operačním systémem. Záporná celá čísla se navíc ukládají ve dvojkovém doplňku, ne prostým znaménkovým bitem.