Kāpēc jūsu bināro-uz-tekstu pārveide izvada nepareizas rakstzīmes

1 un 0 virkne izskatās nepārprotama — tas ir binārs kods, tur nav ko interpretēt. Praksē binārā pārveide uz tekstu neizdodas tieši tādā pašā veidā kā heksadecimālā pārveide uz tekstu, un tā paša iemesla dēļ: bitu secība nav teksts, kamēr neesat izdarījis vairākus pieņēmumus par to, kā to grupēt un interpretēt, un jebkura šāda pieņēmuma sajaukšana rada izvadu, kas ir nepareizs konkrētā, diagnosticējamā veidā.

Iemesls 1: nepareiza bitu grupēšana (7 biti pret 8 bitiem)

Standarta ASCII vajag tikai 7 bitus rakstzīmei; vairums bināro-uz-tekstu rīku pēc noklusējuma izmanto 8 bitu baitus, jo tā teksts faktiski tiek glabāts reālās sistēmās. Ja binārā virkne tika radīta, pieņemot 7 bitu grupējumus (dažos mācību grāmatu piemēros un vecākās sistēmās to joprojām dara), un jūs to atšifrējat kā 8 bitu baitus, katra rakstzīme iznāk nobīdīta — grupēšanas robeža ir nepareiza jau no paša pirmā bita, tāpēc bojājums ir vienmērīgs visā izvadā, nevis sākas tīri un pasliktinās pa vidu.

Pazīme: ja burtiski katra rakstzīme izvadā ir nepareiza, ne tikai dažas, vispirms pārbaudiet bitu grupēšanas pieņēmumu.

Iemesls 2: lieks vai iztrūkstošs bits nobīda visu turpmāko

Šis ir bināra ekvivalents nepāra heksadecimālajam ciparam — viens nomaldījies 0 vai 1 (lieka rakstzīme no kopēšanas-ielīmēšanas, izlaists cipars, atstarpe, kas tika parsēta kā dati) nobīda baita robežu katrai grupai pēc šī punkta. Atšķirībā no 1. iemesla, tas rada tekstu, kas ir pareizs līdz noteiktam punktam un sagrozīts pēc tam — spēcīga norāde, ka nepareizs ir pats bitu skaits kaut kur virknē, nevis pati kodēšanas shēma kopumā.

Vispirms saskaitiet bitu kopskaitu: virknes garumam jābūt tīram 8 (vai 7, ja esat apstiprinājis, ka tiek izmantots šāds grupējums) daudzkārtnim. Ja nav, lieks vai iztrūkstošs bits ir kļūda, nevis atkodētājs.

Iemesls 3: rakstzīmju kodējums, tieši tāpat kā ar heksadecimālo

Kad biti ir pareizi sagrupēti baitos, jums joprojām jāizlemj, ko šīs baitu vērtības nozīmē kā rakstzīmes — UTF-8, ASCII, Latin-1. Tas ir identiski heksadecimālā-uz-teksta gadījumam: vairākbaitu UTF-8 rakstzīmes (uzsvērti burti, simboli, ne-latīņu raksti), atšifrētas pa vienam baitam, it kā katrs baits būtu sava rakstzīme, rada divus vai trīs sagrozītus simbolus vienas pareizas vietā. Ja bitu grupēšana ir apstiprināta pareiza (1. un 2. iemesls izslēgti) un izvads joprojām ir nepareizs tieši ap ne-ASCII rakstzīmēm, tas gandrīz vienmēr ir atlikušais iemesls.

Iemesls 4: baitu secība (endianness), bināram kodam, kas apzīmē skaitļus, nevis tekstu

Ja binārā virkne kodē skaitlisku vērtību, nevis rakstzīmju datus — garuma prefiksu, kontrolsummu, ID, kas iegults kopā ar tekstu — bitu/baitu secība ir svarīga un nav universāla noklusējuma. 00000001 kā atsevišķs baits ir nepārprotams, bet daudzbaitu skaitliskas vērtības var tikt glabātas ar visnozīmīgāko baitu vispirms vai vismazāk nozīmīgo baitu vispirms atkarībā no sistēmas, kas tās radīja, un lasīšana ar nepareizu pieņēmumu klusi rada citu, ticami izskatošos nepareizu skaitli, nevis acīmredzamu kļūdu.

Diagnosticēšana secībā

1. Pārbaudiet, vai kopējais bitu skaits ir tīrs jūsu pieņemtā grupējuma (parasti 8) daudzkārtnis — nepareizs skaits nozīmē 2. iemeslu, labojiet ievaddatus.
2. Ja katra rakstzīme ir nepareiza vienmērīgi jau no sākuma, aizdomas par pašu grupējuma izmēru (1. iemesls) pirms kodējuma pieskaršanas.
3. Ja izvads sākumā ir tīrs un pasliktinās pa vidu, tas norāda uz nomaldījušos/iztrūkstošu bitu tajā vietā (2. iemesls), nevis kodējuma problēmu.
4. Ja gan grupējums, gan bitu skaits ir pareizi, un nepareizi izskatās tikai ne-ASCII rakstzīmes, tas ir rakstzīmju kodējums (3. iemesls).
5. Ja dati apzīmē skaitli, nevis tekstu, un vērtība izskatās ticama, bet nepareiza, pirms pieņemat, ka pati pārveides loģika ir salauzta, pārbaudiet baitu secību (4. iemesls).

Tāpat kā ar heksadecimālo, pati pārveides darbība ir triviāla — īstā kļūda gandrīz vienmēr slēpjas kādā no šiem četriem pieņēmumiem, nevis pārveides kodā.