Conversión de hexadecimal a texto mal hecha: los errores de codificación que convierten bytes en basura

Convertir hexadecimal a texto parece que debería ser infalible: cada par de dígitos hexadecimales es un byte, se asigna el byte a un carácter, y listo. En la práctica falla constantemente, y casi nunca porque el conversor esté roto — falla porque el hexadecimal es solo una forma de escribir bytes, y los bytes necesitan una codificación acordada antes de significar cualquier carácter concreto. Esto es lo que realmente está fallando cuando el resultado sale ilegible.

Causa 1: se asumió la codificación de caracteres incorrecta

La causa más común, con diferencia. Los bytes hexadecimales se codificaron como UTF-8 (donde muchos caracteres reales ocupan de 2 a 4 bytes), pero el conversor los está decodificando byte a byte como si fuera Latin-1 o ASCII puro (donde cada byte es exactamente un carácter). El resultado: letras acentuadas, comillas tipográficas, guiones largos, o cualquier carácter no inglés se convierten en dos o tres símbolos ilegibles en lugar de uno correcto.

La solución siempre es decodificar con la misma codificación con la que se escribieron originalmente los bytes — si no sabes cuál es, UTF-8 es la opción por defecto correcta para cualquier cosa moderna (contenido web, JSON, la mayoría de las API); Latin-1/Windows-1252 aparece sobre todo en archivos de texto antiguos originados en Windows o en cabeceras de correo electrónico heredadas.

Causa 2: discrepancias en el orden de bytes (endianness)

Esta afecta específicamente a valores numéricos de varios bytes (no al texto), pero es lo bastante común en herramientas de hexadecimal a texto que manejan datos mixtos binarios/texto como para merecer mención. 00 01 leído en big-endian es 1; los mismos dos bytes leídos en little-endian son 256. Si una cadena hexadecimal representa un prefijo de longitud numérico o un campo binario incrustado en datos por lo demás textuales, leerlo con el orden de bytes incorrecto no solo malinterpreta ese número — descoloca cada posición de byte posterior, porque la herramienta ahora cree que el texto empieza en el desplazamiento equivocado.

Causa 3: errores de agrupación de nibbles

El hexadecimal siempre debería venir en pares — dos dígitos hexadecimales forman un byte. Un número impar de caracteres hexadecimales (un dígito suelto de más, un copiar-pegar que perdió un carácter, un 0x inicial que no se eliminó antes de analizar) desplaza cada par siguiente en medio byte. Cada byte después del error se decodifica en un carácter completamente distinto y sin relación — el resultado no está «un poco mal», está totalmente descompuesto a partir de ese punto, lo cual en realidad es un diagnóstico útil: una salida que empieza limpia y se degrada a mitad de la cadena señala un error de agrupación en ese punto exacto, no un problema de codificación incorrecta (que corrompe de forma más uniforme en todo el texto).

Causa 4: bytes invisibles y no imprimibles

No todos los bytes se corresponden con un carácter visible. Los caracteres de control (0x00–0x1F), la marca de orden de bytes (EF BB BF en UTF-8) y varios caracteres de formato Unicode se decodifican «con éxito» pero se muestran como nada, un recuadro o un signo de interrogación según la fuente de visualización — lo cual puede parecer idéntico a un fallo de decodificación aunque la conversión en sí fuera completamente correcta. Si la longitud del resultado parece correcta pero el texto parece tener caracteres ausentes, comprueba si hay bytes de control antes de asumir que la lógica de decodificación está mal.

Una forma rápida de aislar cuál es tu caso

1. Confirma que la cadena hexadecimal tiene un número par de caracteres — si no, es la causa 3, arregla primero la entrada.
2. Prueba a decodificar primero como UTF-8, luego como Latin-1, y compara — si uno produce texto limpio y el otro no, era la causa 1.
3. Si el resultado sale ilegible de manera uniforme desde el primer carácter, sospecha de la codificación (causa 1); si empieza limpio y se degrada a mitad de camino, sospecha de un error de agrupación (causa 3) en ese punto.
4. Si la longitud coincide con lo esperado pero faltan caracteres concretos o aparecen como recuadros, comprueba los bytes de control/formato (causa 4) en lugar de volver a revisar la codificación.

La conversión de hexadecimal a texto en sí es una línea de código en cualquier lenguaje — el trabajo real de depuración está casi siempre en averiguar cuál de estas cuatro suposiciones falló silenciosamente, no en la lógica de conversión.