Kodėl jūsų dvejetainio kodo konvertavimas į tekstą duoda neteisingus simbolius

Vienetų ir nulių seka atrodo nedviprasmiška — tai dvejetainis kodas, čia nėra ką interpretuoti. Praktikoje dvejetainio kodo konvertavimas į tekstą genda lygiai taip pat, kaip ir šešioliktainio kodo konvertavimas, dėl tos pačios priežasties: bitų seka nėra tekstas, kol nepadarėte kelių prielaidų apie tai, kaip juos grupuoti ir interpretuoti, o suklydus bent vienoje iš tų prielaidų gaunamas rezultatas, kuris klaidingas konkrečiu, diagnozuojamu būdu.

Priežastis 1: neteisingas bitų grupavimas (7 bitai prieš 8 bitus)

Standartiniam ASCII reikia tik 7 bitų vienam simboliui; dauguma dvejetainio-į-tekstą įrankių pagal nutylėjimą naudoja 8 bitų baitus, nes taip tekstas iš tikrųjų saugomas realiose sistemose. Jei dvejetainė eilutė buvo sugeneruota darant prielaidą apie 7 bitų grupavimą (kai kurie vadovėlio pavyzdžiai ir senesnės sistemos vis dar taip daro), o jūs ją dekoduojate kaip 8 bitų baitus, kiekvienas simbolis pasislenka — grupavimo riba neteisinga jau nuo pirmojo bito, todėl iškraipymas vienodas visame rezultate, ne prasideda švariai ir blogėja pusiaukelėje.

Požymis: jei rezultate klaidingas tikrai kiekvienas simbolis, ne tik kai kurie, pirmiausia patikrinkite bitų grupavimo prielaidą.

Priežastis 2: papildomas ar trūkstamas bitas pastumia viską po jo

Tai dvejetainis atitikmuo nelyginio šešioliktainio skaitmens — vienas paklydęs 0 ar 1 (papildomas simbolis dėl kopijavimo-įklijavimo, praleistas skaitmuo, tarpas, kuris buvo suanalizuotas kaip duomenys) pastumia baito ribą kiekvienai grupei po to taško. Skirtingai nuo priežasties 1, tai sukuria tekstą, kuris teisingas iki tam tikro taško ir sugadintas po jo — tvirtas signalas, kad problema yra pačiame bitų kiekyje eilutėje, o ne visur klaidingoje kodavimo schemoje.

Pirmiausia suskaičiuokite bendrą bitų skaičių: eilutės ilgis turėtų būti tvarkingas 8 kartotinis (arba 7, jei patvirtinote, kad naudojamas toks grupavimas). Jei ne, papildomas ar trūkstamas bitas yra klaida, ne dekoderis.

Priežastis 3: simbolių koduotė, lygiai kaip ir su šešioliktainiu

Kai bitai teisingai sugrupuoti į baitus, vis tiek reikia nuspręsti, ką tos baitų reikšmės reiškia kaip simboliai — UTF-8, ASCII, Latin-1. Tai identiška šešioliktainio-į-tekstą atvejui: daugiabaitiai UTF-8 simboliai (raidės su diakritiniais ženklais, simboliai, ne lotyniškos abėcėlės) dekoduoti po vieną baitą, tarsi kiekvienas baitas būtų atskiras simbolis, sukuria du ar tris iškraipytus simbolius vieno teisingo vietoje. Jei bitų grupavimas patvirtintas teisingas (priežastys 1 ir 2 atmestos), o rezultatas vis tiek klaidingas konkrečiai apie ne-ASCII simbolius, tai beveik visada likusi priežastis.

Priežastis 4: baitų tvarka, dvejetainiam kodui, žyminčiam skaičius, ne tekstą

Jei dvejetainė eilutė koduoja skaitinę reikšmę, ne simbolinius duomenis — ilgio priešdėlį, kontrolinę sumą, ID, įterptą greta teksto — bitų/baitų tvarka svarbi, ir nėra universalaus numatytojo varianto. 00000001 kaip atskiras baitas yra nedviprasmiškas, bet daugiabaičiai skaitiniai duomenys gali būti saugomi pirmiausia svarbiausiu baitu arba pirmiausia mažiausiai svarbiu baitu, priklausomai nuo sistemos, kuri juos sukūrė, o skaitymas su neteisinga prielaida tyliai sukuria kitą, įtikinamai atrodantį neteisingą skaičių, ne akivaizdžią klaidą.

Diagnozavimas tvarka

1. Patikrinkite, ar bendras bitų skaičius yra tvarkingas jūsų numatomo grupavimo kartotinis (paprastai 8) — neteisingas skaičius reiškia priežastį 2, taisykite įvestį.
2. Jei kiekvienas simbolis klaidingas vienodai nuo pat pradžios, įtarkite pačio grupavimo dydį (priežastis 1), prieš liečiant koduotę.
3. Jei rezultatas švarus iš pradžių ir blogėja pusiaukelėje, tai nurodo paklydusį/trūkstamą bitą toje vietoje (priežastis 2), ne koduotės problemą.
4. Jei grupavimas ir bitų skaičius abu patvirtinti, o klaidingi atrodo tik ne-ASCII simboliai, tai simbolių koduotė (priežastis 3).
5. Jei duomenys žymi skaičių, ne tekstą, ir reikšmė atrodo įtikinama, bet klaidinga, patikrinkite baitų tvarką (priežastis 4), prieš darant prielaidą, kad sugedusi pati konvertavimo logika.

Kaip ir su šešioliktainiu, pats konvertavimo žingsnis yra trivialus — tikroji klaida beveik visada slypi vienoje iš šių keturių prielaidų, ne konvertuojančiame kode.