محوّل النص إلى ثنائي

كيف يصير النص آحادًا وأصفارًا

يحفظ الحاسوب النص على هيئة بايتات، والبايت ثمانية بتات، كل واحد منها 0 أو 1. وهذه الصفحة تُريك تلك البايتات: اكتب نصًا فيخرج كل بايت ثمانيةَ أرقام ثنائية، وبين البايت والذي يليه مسافة، أو الصق أرقامًا ثنائية واقرأ النص الذي تؤلّفه. وهي تعمل في الاتجاهين، وتجري بالكامل في متصفحك، وتُفتح على مثال محوَّل سلفًا.

أيُّ البايتات يتألف منها النص أمرٌ يتوقف على ترميزه، وهو هنا UTF-8 ما لم تختر غيره، لأن UTF-8 هو ما تحمله صفحات الويب وعناوين URL ومعظم الملفات النصية. ومُحدِّد «الوحدة» يقرّر ما تمثّله مجموعة واحدة من الأرقام: بايتًا من UTF-8، أو بايتًا من UTF-16 بأيٍّ من ترتيبَي البايتات، أو نقطة ترميز واحدة. والوحدة التي تختارها تسري في الاتجاهين، ولا تغيّرها الصفحة نيابةً عنك أبدًا. وحين يبدو ما تلصقه وحدةً أخرى، تقول الصفحة ذلك وتضع زرًا بجانب التنبيه، ولا يتبدّل شيء حتى تضغطه.

لماذا يُكتب كل بايت بثمانية أرقام

البت رقم ثنائي واحد، والبايت ثمانية منها. ويمكن لثمانية بتات أن تتخذ 256 حالة، فيحمل البايت عددًا صحيحًا من 0، أي 00000000، إلى 255، أي 11111111. وبالبايت تُقاس الملفات والذاكرة وما تنقله الشبكات، وهو في أي آلة يُرجَّح أن تصادفها ثمانية بتات؛ وتسميه معايير الشبكات «ثمانية»، وهي كلمة لا يمكن أن تعني إلا ثمانية.

وأول 128 قيمة من تلك القيم هي ASCII، أي ترميز الحروف الإنجليزية والأرقام وعلامات الترقيم الشائعة، و128 قيمة لا تحتاج إلا إلى سبعة بتات. لذلك يبدأ بايت كل محرف من ASCII بالرقم 0، ويحتفظ UTF-8 بالبايتات التي تبدأ بالرقم 1 لكل ما ليس في ASCII. والصفحة تكتب كل بايت بأرقامه الثمانية كلها، والأصفار البادئة معها، لسبب عملي أيضًا: فالبايتات ذات العرض الثابت الواحد يمكن قراءتها من جديد دون مسافات بينها، ثمانية أرقام في كل مرة.

الحرف H، بتًا بتًا

خذ الحرف الكبير H. يعطيه ASCII الرقم 72، و72 مكتوبًا في بايت هو 01001000. وإذا قرأته من اليسار كانت قيم مواضعه الثمانية 128 و64 و32 و16 و8 و4 و2 و1، وكل 1 يُحتسب بقيمة موضعه: ففي هذا البايت يقع الرقم 1 في الموضعين اللذين قيمتاهما 64 و8، و64 و8 مجموعهما 72. والحرف الصغير i هو 105، أي 64 و32 و8 و1، فيخرج Hi على هيئة ‎01001000 01101001.

حالة الأحرف بت واحد. فالحرف الصغير h هو 01101000، أي بايت H وقد ضُبط فيه الموضع الذي قيمته 32، والأمر نفسه يصدق على كل حرف من الأبجدية الإنجليزية، لأن ASCII يعطي كل حرف صغير رقمًا أكبر بمقدار 32 بالضبط من رقم حرفه الكبير.

ومُحدِّد «الأساس» يكتب البايت نفسه بطرق أخرى دون أن يغيّره. فإذا اخترت «عشري» كان H هو 72، وإذا اخترت «ست عشري» كان 48، وإذا اخترت «ثماني» كان 110. إنه بايت واحد مكتوب بأربع طرق، والقراءة تستعيد الأرقام بأي أساس اخترته. ومحوّل النص إلى ست عشري يُفتح على «ست عشري»، حيث يأخذ البايت رقمين لا ثمانية.

لماذا يأخذ الحرف الذي بعد ASCII بايتين أو أكثر

ينتهي ASCII عند 127. أما الحرف ذو العلامة، والحرف من الأبجدية السيريلية أو العبرية أو العربية، والمحرف الياباني أو الكوري، والرمز التعبيري، فلكل منها نقطة ترميز تقع بعده، وUTF-8 لا يكتب المحرف في بايت واحد إلا إذا كان من ASCII، محتفظًا بالبايتات التي تبدأ بالرقم 1 لكل ما عداه. لذلك يأخذ كل واحد منها بايتين أو ثلاثة أو أربعة، والثنائي هو حيث تستطيع أن ترى ذلك يحدث، لأن البتات الأولى من كل بايت تقول أي جزء من المحرف هو ذلك البايت:

• 0xxxxxxx محرف في بايت واحد: ASCII، وبتاته السبعة مكتوبة مكان حروف x. فالحرف H هو 01001000.
• 110xxxxx 10xxxxxx محرف في بايتين، لنقاط الترميز حتى 2,047، وهذا يشمل الحروف ذات العلامات في اللغات الأوروبية والأبجديات السيريلية والعبرية والعربية. فالحرف é هو ‎11000011 10101001، والحرف א هو ‎11010111 10010000.
• 1110xxxx 10xxxxxx 10xxxxxx ثلاثة بايتات، لنقاط الترميز حتى 65,535، وهناك تقع الكانا اليابانية ومحارف الكانجي الشائعة والهانغول الكوري ورمز اليورو. فالرمز € هو ‎11100010 10000010 10101100.
• 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx أربعة بايتات، لكل نقطة ترميز بعد ذلك، وهناك تقع معظم الرموز التعبيرية.

والبايت الأول الذي يبدأ باثنين أو ثلاثة أو أربعة من الرقم 1 يقول كم بايتًا لمحرفه، وكل بايت يُكمل المحرف يبدأ بالرقمين 10، فلا يمكن أن يُظن بايت من وسط محرف بدايةً لمحرف. انزع من بايتَي א البادئتين، 110 و10، فتكون البتات الأحد عشر الباقية، 10111010000، هي نقطة ترميزه، U+05D0، مكتوبة بالثنائي. وإذا اخترت «ست عشري» قُرئ البايتان نفسهما D7 90، ويكون القالب مطويًا داخل الأرقام؛ أما في الثنائي فهو قائم في البتات الأولى من كل بايت.

أربعة بايتات لرمز تعبيري واحد

الرمز 😀 هو U+1F600، أي أبعد كثيرًا من 65,535، فيكتبه UTF-8 في أربعة بايتات: ‎11110000 10011111 10011000 10000000. يبدأ أولها بأربعة من الرقم 1، فهو يفتتح محرفًا من أربعة بايتات، وكل واحد من الثلاثة التي تليه يبدأ بالرقمين 10. ونقطة ترميزه تأخذ سبعة عشر رقمًا ثنائيًا، 11111011000000000، أي رقمًا واحدًا أكثر من الستة عشر التي يتسع لها المحرف ذو البايتات الثلاثة؛ أما قالب البايتات الأربعة فيتسع لواحد وعشرين.

والرمز التعبيري الذي يبدو رمزًا واحدًا قد يكون عدة نقاط ترميز، وكل واحدة منها تُكتب كاملة. فاليد الملوِّحة بلون بشرة نقطتا ترميز وثمانية بايتات. والعائلة المؤلفة من أربعة أفراد سبع نقاط ترميز، أي أربعة أشخاص والروابط الخفية الثلاثة بينهم، وخمسة وعشرون بايتًا. الصق واحدًا منها في الصفحة وعُدّ المجموعات.

لماذا يطبع محوّل آخر أحد عشر رقمًا للحرف א

المحوّل الذي يطبع أحد عشر رقمًا للحرف א، أي 10111010000، لم يكتب بايتات ذلك الحرف. لقد كتب العدد الذي يعطيه يونيكود لهذا الحرف، نقطة ترميزه U+05D0، وهي 1488، عددًا ثنائيًا واحدًا، وهذا العدد ليس بايتًا من أي شيء يحمله ملف أو شبكة. والرسالة المكتوبة بهذه الطريقة لا تقرؤها من جديد إلا أداة تفترض الافتراض نفسه.

والجوابان أقرب مما يبدوان. فالأرقام الأحد عشر هي بالضبط البتات التي يوزّعها UTF-8 على بايتيه بعد نزع البادئات، كما هو مبيّن أعلاه، فكلا المحوّلين يكتب العدد نفسه، وأحدهما فقط يكتب البايتات التي تخزّنه. وفي محرف من ASCII يتفق الاثنان إلا في الأصفار البادئة، ولهذا يعطيان الجواب نفسه للإنجليزية البسيطة ويفترقان في كل ما عداها تقريبًا.

وهذه الصفحة تعطي ذلك الجواب أيضًا، وحدةً تختارها أنت لا افتراضًا تفترضه هي: اختر «نقاط الترميز» فيُكتب א على هيئة 10111010000، ويُقرأ من جديد بالطريقة نفسها. وإذا ألصقت، وUTF-8 مختار، رسالةً كتبها محوّل نقاط ترميز بالعبرية أو الروسية أو اليابانية، كانت المجموعات أعرض من البايت؛ والصفحة لا تخمّن، بل تقول إن المجموعات تبدو نقاط ترميز وتعرض الزر «التبديل إلى نقاط الترميز». والمحوّل الذي يعمل على وحدة ترميز واحدة من UTF-16 في كل مرة، كما تفعل charCodeAt في JavaScript، يكتب 😀 عددين من ستة عشر رقمًا لكل منهما، هما نصفا الزوج البديل الذي يخزّنه UTF-16 على هيئته، والوحدة «نقاط الترميز» تقرأ الزوج من جديد على أنه الرمز التعبيري الواحد.

قراءة الثنائي نصًا من جديد

لتحويل الثنائي إلى نص من جديد، بدّل الاتجاه إلى «ثنائي إلى نص» واكتب الأرقام أو الصقها، فيكون الإخراج هو النص الذي تؤلّفه. والزر «استخدمه كإدخال» يفعل ذلك بنقرة واحدة، إذ ينقل الإخراج إلى الإدخال ويقلب الاتجاه، وهي أسرع طريقة للتحقق من رحلة الذهاب والإياب. وكل ما يلي يُقرأ على أنه البايتات نفسها:

• المسافات البيضاء من أي نوع، ومنها فواصل الأسطر، والفاصلة أو الفاصلة المنقوطة أو النقطتان أو الشرطة بين البايتات.
• انعدام الفواصل تمامًا، حيثما انقسمت الأرقام إلى بايتات كاملة من ثمانية، وهكذا يكتبها الخيار «متصل» في «النمط».
• مجموعات من سبعة أرقام أو أقل، وهكذا يبدو محرف ASCII حين يسقط صفره البادئ: إذ تُقرأ ‎1001000 1101001 على أنها Hi.
• 0b قبل البايت، بحرف كبير أو صغير، وزوج واحد من الأقواس المربعة أو المتعرجة أو الهلالية، أو من علامات الاقتباس، حول الكل.

لكن الصفحة لا تخمّن. فأي محرف آخر، أو أي مجموعة أطول من ثمانية أرقام لا تنقسم إلى بايتات كاملة، يوقف القراءة، وتقول الصفحة ذلك مع السطر والعمود حيث يقع، ويُعرض سطرك أنت تحته والموضع معلَّم فيه. وفي رسالة طويلة هذا هو الفرق بين خطأ كتابي تستطيع أن تجده ونص خاطئ في صمت.

والثنائي الذي يُقرأ بايتات بلا عناء لكنه ليس نصًا في UTF-8 يُعرض ولا يُرفض. فالرسالة المقطوعة في وسط محرف تعود والتسلسل المكسور معروض على هيئة U+FFFD، أي حرف الاستبدال، ويقول تنبيه تحت الإخراج كم تسلسلًا كهذا هناك وأين يبدأ أولها: البايت، والأرقام التي ألصقتها له، والسطر والعمود اللذان تقع فيهما.

الثنائي للنص، والثنائي للعدد

اكتب 5 هنا فيكون الجواب 00110101 لا 101. فالصفحة تكتب المحرف 5، الذي يعطيه ASCII الرقم 53، لأن أرقام النص هي البايتات التي تخزّنه؛ أما 101 فهو العدد خمسة مكتوبًا بالثنائي، وهذا سؤال آخر جوابه آخر. والأمر نفسه مع 255: فإذا كُتب هنا كان ثلاثة محارف وثلاثة بايتات، بينما العدد 255 بايت واحد هو 11111111.

وحين يكون ما بين يديك عددًا لا نصًا، كحصيلة عدّ أو محتوى سجل في المعالج أو قيمة طبعها برنامج، فمكانه محوّل أنظمة العد: فهو يحوّل القيمة نفسها بين الثنائي والثماني والعشري والست عشري وأسس أخرى، وبعرض ثابت يكتب القيمة السالبة بالمتمّم الثنائي ويعرض كل بت بتًا يمكنك النقر عليه لقلبه. هذه الصفحة تبدأ من محارف النص؛ وتلك تبدأ من عدد.