Chuyển đổi văn bản sang mã nhị phân ASCII – Text to ASCII binary

Công cụ chuyển văn bản sang mã nhị phân ASCII là gì?

Công cụ chuyển văn bản sang mã nhị phân ASCII là tiện ích chuyển nội dung chữ thành các nhóm chữ số 0 và 1 biểu diễn byte dữ liệu, đồng thời hỗ trợ chuyển những nhóm bit đó trở lại văn bản. Kết quả giúp bạn quan sát cách một nội dung đọc được được biểu diễn ở cấp byte, thay vì chỉ nhìn thấy chữ trên màn hình.

Tên công cụ có “ASCII”, nhưng thuật toán thực tế sử dụng UTF-8. Với chữ Latin cơ bản thuộc ASCII, mỗi ký tự được biểu diễn bằng một byte. Với tiếng Việt có dấu và emoji, dữ liệu có thể gồm nhiều byte, nên kết quả có nhiều nhóm 8 bit cho một ký tự nhìn thấy. Công cụ không chỉ dành cho văn bản tiếng Anh.

Hai chiều chuyển đổi gồm văn bản sang nhị phân và nhị phân sang văn bản. Nội dung kết quả tự cập nhật khi đầu vào thay đổi hoặc khi đổi chiều xử lý. Ở chiều đi, bạn nhận chuỗi các nhóm 8 bit ngăn cách bằng dấu cách; ở chiều về, bạn nhận văn bản được giải mã theo UTF-8.

Tiện ích phù hợp với người học về biểu diễn dữ liệu, bảng mã và người cần đối chiếu byte của một đoạn văn bản mẫu. Đây là chuyển đổi cách biểu diễn, không phải tạo mật mã để che giấu nội dung, cũng không phải công cụ tạo hình nghệ thuật bằng ký tự.

Các thuật ngữ cần hiểu khi chuyển văn bản sang nhị phân

ASCII

ASCII là bộ mã 7 bit gồm 128 giá trị, dùng cho chữ Latin cơ bản, chữ số, dấu câu và các ký tự điều khiển. Trong UTF-8, các ký tự này giữ nguyên giá trị và chiếm một byte. Công cụ hiển thị byte bằng đủ 8 chữ số nhị phân, nên chữ A có dạng 01000001. Số 0 đầu nhóm là phần bổ sung khi trình bày byte, không có nghĩa ASCII trở thành bộ mã 8 bit. Tiếng Việt có dấu nằm ngoài phạm vi ASCII cơ bản.

Unicode

Unicode là hệ thống gán điểm mã cho ký tự và ký hiệu của nhiều ngôn ngữ. Điểm mã giúp xác định ký tự, nhưng chưa nói cụ thể dữ liệu được lưu bằng những byte nào. Vì vậy, Unicode không đồng nghĩa với UTF-8. Một chữ nhìn thấy cũng có thể được cấu thành từ nhiều điểm mã, chẳng hạn chữ cái kết hợp với dấu. Điều này ảnh hưởng tới số nhóm nhị phân: hai nội dung nhìn giống nhau chưa chắc có cùng chuỗi byte.

UTF-8

UTF-8 là cách mã hóa Unicode thành byte, dùng từ một đến bốn byte cho một giá trị vô hướng Unicode. Đây là cách biểu diễn được công cụ sử dụng ở cả hai chiều. Chữ ASCII thường cần một byte; chữ có dấu hoặc một số emoji cần nhiều hơn. Không nên suy ra mọi emoji chỉ chiếm bốn byte, bởi một hình emoji hiển thị có thể kết hợp nhiều điểm mã. Khi chuyển ngược, chuỗi byte cũng phải phù hợp với UTF-8 mới khôi phục nội dung đúng.

Bit và byte

Bit là đơn vị nhận một trong hai giá trị 0 hoặc 1. Một byte gồm 8 bit, biểu diễn được giá trị từ 0 đến 255. Trong kết quả của công cụ, mỗi nhóm tám chữ số tương ứng một byte, không nhất thiết tương ứng một chữ. Vì vậy, đếm nhóm nhị phân là đếm byte dữ liệu, không phải đếm ký tự hiển thị. Dấu cách nằm giữa các nhóm chỉ hỗ trợ đọc; bản thân dấu cách trong văn bản gốc lại được biểu diễn bằng một byte riêng.

Biểu diễn nhị phân

Biểu diễn nhị phân là cách viết giá trị trong hệ cơ số 2, chỉ dùng hai chữ số 0 và 1. Công cụ áp dụng cách viết này cho từng byte UTF-8 của văn bản. Nội dung không trở nên bí mật chỉ vì được trình bày bằng một chuỗi dài các bit: người biết cách giải mã có thể đọc lại. Khái niệm này cần phân biệt với băm, mã hóa có khóa và ASCII art, vì những phương pháp đó có mục đích và dạng kết quả khác nhau.

Đầu vào, đầu ra và cách đọc kết quả

Khi đầu vào là văn bản

Đầu vào có thể gồm chữ ASCII, tiếng Việt, emoji, dấu câu, dấu cách và xuống dòng. Dấu cách hoặc xuống dòng thuộc nội dung gốc vẫn được chuyển thành dữ liệu, không tự bị loại bỏ. Một ô nhập hoàn toàn rỗng cho kết quả rỗng, còn ô chỉ chứa dấu cách vẫn tạo ra byte tương ứng.

Khi đầu vào là chuỗi nhị phân

Chỉ chữ số 0 và 1 được giữ lại để xử lý. Những ký tự khác, bao gồm dấu cách, dấu phẩy và chữ cái, bị loại bỏ trước khi chia byte. Vì thế, chuỗi trông có vẻ được phân nhóm rõ ràng chưa chắc có đúng ranh giới byte theo cách bạn dự định.

Nếu sau khi lọc không còn bit, hoặc chỉ còn ít hơn tám bit, kết quả là chuỗi rỗng. Trường hợp này khác với đầu vào hoàn toàn rỗng: nội dung đã được nhập nhưng không tạo được byte đầy đủ. Nhãn trạng thái không phải bằng chứng xác nhận dữ liệu hợp lệ.

Đọc nhóm byte và sử dụng kết quả

Mỗi nhóm đầu ra giữ đủ tám chữ số, kể cả số 0 ở đầu. Dấu cách giữa hai nhóm là dấu phân tách phục vụ đọc, không phải dấu cách của văn bản gốc. Ô kết quả chỉ đọc; chức năng sao chép đưa nội dung đó vào clipboard nếu trình duyệt cho phép, còn xóa trắng làm rỗng đầu vào và kết quả.

Hoán đổi dùng kết quả hiện tại làm đầu vào mới, đổi chiều và tính lại. Ngược lại, đổi chế độ trực tiếp giữ nguyên nội dung đang nhập rồi diễn giải nó theo chiều mới. Hai thao tác này có tác dụng khác nhau, đặc biệt khi đầu vào đang là văn bản thông thường.

Quy tắc chuyển đổi giữa văn bản UTF-8 và các nhóm 8 bit

Từ văn bản đến các byte nhị phân

Chiều đi có ba bước khái niệm: biểu diễn văn bản thành byte UTF-8, viết từng byte ở hệ cơ số 2, rồi bổ sung số 0 ở bên trái cho đủ tám chữ số. Cuối cùng, các nhóm được nối bằng một dấu cách. Không có phép làm tròn; giá trị byte được giữ nguyên khi đổi cách viết.

Giá trị của nhóm bit b₇b₆…b₀ được tính theo công thức: b₇ × 2⁷ + b₆ × 2⁶ + … + b₀ × 2⁰. Mỗi bit bằng 0 hoặc 1, trong đó bit bên trái có trọng số lớn nhất. Chẳng hạn, 01000001 có hai vị trí mang giá trị 1, tương ứng 64 và 1, nên tổng là 65.

Từ chuỗi bit về văn bản

Chiều về trước hết xóa mọi ký tự ngoài 0 và 1. Chuỗi còn lại được ghép liên tục rồi chia thành các nhóm tám bit từ trái sang phải. Mỗi nhóm được đọc thành một giá trị byte, sau đó toàn bộ dãy byte được giải mã theo UTF-8. Không phải từng byte đều được đổi độc lập thành một chữ, vì ký tự ngoài ASCII có thể cần nhiều byte kết hợp.

Dấu phân tách không quyết định ranh giới byte. Ví dụ, đặt dấu phẩy sau bảy bit không khiến nhóm bảy bit đó được coi là một byte riêng. Sau bước lọc, bit kế tiếp vẫn nối vào chuỗi để hoàn thành nhóm tám bit.

Cách xử lý phần dư và dữ liệu UTF-8 lỗi

Nếu có n bit sau khi lọc, số byte đưa vào giải mã bằng phần nguyên của n ÷ 8. Từ một đến bảy bit còn dư ở cuối bị bỏ, không có cảnh báo riêng. Vì vậy, có kết quả không đồng nghĩa toàn bộ đầu vào đã được sử dụng.

Việc lọc ký tự ngoài 0 và 1 khác với xử lý byte UTF-8 không hợp lệ. Bộ giải mã mặc định thường thay phần dữ liệu sai bằng ký tự �, chứ không đơn giản bỏ mọi byte hỏng. Thông báo lỗi của công cụ chỉ xuất hiện khi quá trình xử lý phát sinh ngoại lệ; nó không bảo đảm phát hiện mọi chuỗi sai.

Ví dụ chuyển đổi chữ ASCII, tiếng Việt và emoji

Một chữ ASCII và một chữ tiếng Việt

Các ví dụ dưới đây được suy ra từ thuật toán và cách biểu diễn UTF-8, không phải báo cáo chạy thử. Giả định đầu vào chỉ chứa nội dung được nêu, không kèm dấu cách hoặc xuống dòng ngoài ý muốn.

Chữ A thuộc ASCII nên cần một byte, tương ứng tám bit dữ liệu. Với á dạng dựng sẵn, UTF-8 dùng hai byte, nên kết quả có hai nhóm, tổng cộng 16 bit dữ liệu. Dấu cách giữa hai nhóm chỉ để phân tách cách trình bày. Nếu chữ á được tạo bằng chữ a kết hợp dấu sắc thay vì điểm mã dựng sẵn, chuỗi byte sẽ khác; giả định về dạng ký tự vì vậy rất quan trọng.

Emoji tạo nhiều nhóm byte

Với emoji 😀, giả định là điểm mã U+1F600, UTF-8 tạo bốn byte có giá trị thập phân lần lượt là 240, 159, 152 và 128. Kết quả tương ứng là:

11110000 10011111 10011000 10000000

Bốn nhóm thể hiện 32 bit dữ liệu cho emoji cụ thể này. Không nên áp dụng con số đó cho mọi emoji trên màn hình: một hình có thể gồm nhiều điểm mã kết hợp, chẳng hạn thành phần màu da hoặc chuỗi nối. Cách đọc đúng là đếm byte của nội dung thực tế, không gán một độ dài cố định cho mọi biểu tượng.

Giải mã có dấu phân cách, bit dư hoặc byte lỗi

Đầu vào 01000001, 01000010 cho văn bản AB. Dấu phẩy và dấu cách bị loại bỏ, để lại 16 bit tạo hai byte 65 và 66. Hai byte này là biểu diễn UTF-8 hợp lệ của A và B.

Đầu vào 010000011 có chín bit. Tám bit đầu tạo byte 65, còn một bit cuối không đủ byte nên bị bỏ; kết quả vẫn là A. Ví dụ cho thấy một ký tự đúng ở đầu ra không chứng minh toàn bộ chuỗi đầu vào đã được giữ.

Đầu vào 11111111 tạo byte 255. Byte này không hợp lệ trong UTF-8, nên bộ giải mã mặc định cho ký tự thay thế �. Đây là tình huống có đủ tám bit nhưng sai cấu trúc bảng mã, khác với trường hợp thiếu bit để tạo byte.

Khi nào nên dùng chuyển đổi văn bản sang nhị phân?

Học về byte và bảng mã

Công cụ hữu ích khi bạn muốn nối kiến thức hệ nhị phân với văn bản quen thuộc. Thay vì chỉ tính các số rời rạc, bạn có thể quan sát một chữ Latin cơ bản, một chữ tiếng Việt và một emoji để hiểu vì sao độ dài dữ liệu khác nhau. Sự khác biệt này giúp tránh quan niệm “một chữ luôn bằng một byte”.

Trong bài học hoặc bài tập, kết quả nhóm tám bit thuận tiện để minh họa trọng số của từng vị trí và đối chiếu với giá trị byte. Bạn cũng có thể dùng văn bản mẫu chứa dấu cách hoặc xuống dòng để chỉ ra rằng những thành phần không phải chữ vẫn là dữ liệu. Không nên dùng số nhóm byte thay cho số ký tự khi bài tập yêu cầu đếm chữ.

Đối chiếu văn bản với biểu diễn nhị phân

Chuyển một đoạn mẫu sang bit rồi chuyển ngược giúp làm rõ quan hệ giữa nội dung, byte và bảng mã. Khi đối chiếu, nên chọn mẫu có nguồn gốc rõ ràng và biết nó được biểu diễn bằng UTF-8. Với dữ liệu lấy từ hệ thống khác, kết quả đọc được chỉ là một dấu hiệu để kiểm tra, không phải xác nhận dữ liệu hoàn toàn đúng.

Tiện ích không thay thế công cụ kiểm tra nhị phân nghiêm ngặt, vì ký tự ngoài 0 và 1 cùng bit dư có thể bị bỏ. Chỉ sử dụng nội dung bạn có quyền xử lý; không đưa thông tin nhạy cảm vào chỉ vì nghĩ chuỗi bit sẽ che giấu được ý nghĩa của nó.

Nhị phân khác gì ASCII art, hex, băm và mã hóa?

Nhị phân, hex và ASCII art

Nhị phân và hex là hai cách viết giá trị, còn ASCII art dùng ký tự để tạo hình nhìn thấy. Sự giống nhau về chữ “ASCII” không khiến các mục đích này trở thành một.

Mã được cung cấp không có chức năng xuất hex, tạo banner hay ảnh ASCII. Đầu ra của tiện ích là biểu diễn các byte UTF-8 bằng nhị phân, không phải kiểu chữ nghệ thuật.

Chuyển đổi biểu diễn, băm và mã hóa bảo mật

Băm thường tạo một giá trị tóm tắt để phục vụ đối chiếu dữ liệu, không có thao tác đọc ngược về văn bản như ở đây. Khi tìm hiểu khái niệm khác biệt này, công cụ băm chuỗi văn bản thuộc một nhóm nhu cầu riêng, không phải chiều chuyển đổi còn thiếu của chuỗi bit.

Mã hóa bảo mật sử dụng thuật toán và khóa để hạn chế khả năng đọc nội dung. Đây là chủ đề khác với đổi cách viết byte; mã hóa và giải mã văn bản không nên bị đồng nhất với biểu diễn nhị phân. Tiện ích đang xét không cung cấp tính bí mật bằng việc biến chữ thành 0 và 1.

Giới hạn và những trường hợp cần thận trọng

Kết quả đọc được chưa chắc là dữ liệu đúng

Chuỗi bit lấy từ UTF-16, Windows-1258 hoặc bảng mã khác không được bảo đảm khôi phục đúng bằng bộ giải mã UTF-8 này. Ký tự bị lọc, bit thiếu hoặc bit dư cũng có thể làm nội dung lệch mà không hiện lỗi. Kết quả có chữ đọc được vẫn cần đối chiếu với nguồn mong đợi.

Đầu ra có thể chứa ký tự thay thế � hoặc ký tự không hiển thị. Dấu BOM, tức dấu nhận diện bảng mã ở đầu dữ liệu, có thể bị bộ giải mã UTF-8 mặc định loại bỏ. Vì vậy, không nên cam kết mọi chuỗi đều được khôi phục nguyên trạng. Khi giải mã thành chuỗi rỗng từ đầu vào không rỗng, nhãn trạng thái có thể không được cập nhật; cần nhìn trực tiếp nội dung kết quả.

Giới hạn của thao tác và môi trường trình duyệt

Sao chép phụ thuộc hỗ trợ và quyền clipboard của trình duyệt. Ngoài ra, sao chép và hoán đổi đều không thực hiện nếu kết quả rỗng hoặc chứa chuỗi chữ hoa LỖI, kể cả khi đó là nội dung văn bản hợp lệ, không phải thông báo lỗi.

Phần mã không khai báo dung lượng tối đa, nhưng điều đó không chứng minh khả năng xử lý không giới hạn. Chưa có căn cứ công bố tốc độ, hiệu năng trên từng thiết bị hoặc tương thích với mọi trình duyệt. Logic chuyển đổi cốt lõi có thể xác định từ mã đã cung cấp; hành vi thu thập, truyền hay lưu dữ liệu của toàn website chưa được xác minh, nên không thể bảo đảm riêng tư tuyệt đối.

Câu hỏi thường gặp

Công cụ có chuyển được tiếng Việt có dấu và emoji không?

Có. Thuật toán chuyển văn bản thành byte UTF-8 nên xử lý được tiếng Việt có dấu và emoji, không chỉ các ký tự ASCII. Điều kiện để chuyển ngược đúng là chuỗi byte nhận được phải đầy đủ và phù hợp với UTF-8. Nếu nhị phân được lấy từ một bảng mã khác, khả năng hỗ trợ tiếng Việt của chiều đi không bảo đảm chiều về sẽ đọc đúng. Nội dung có nhiều điểm mã kết hợp cũng có thể tạo nhiều nhóm byte hơn bạn dự đoán.

Vì sao một chữ hoặc emoji tạo ra nhiều nhóm 8 bit?

Vì mỗi nhóm đại diện cho một byte, còn một ký tự hiển thị không bắt buộc chỉ dùng một byte. UTF-8 dành nhiều byte cho các điểm mã ngoài vùng ASCII; ngoài ra, một hình nhìn thấy có thể kết hợp nhiều điểm mã. Chữ có dấu dựng sẵn và chữ kết hợp dấu có thể nhìn giống nhau nhưng khác dữ liệu. Do đó, số nhóm phản ánh độ dài biểu diễn UTF-8, không trực tiếp cho biết số chữ hay số emoji trên màn hình.

Có thể nhập nhị phân với dấu cách hoặc dấu phẩy không?

Có. Công cụ bỏ dấu cách, dấu phẩy và mọi ký tự ngoài 0 và 1 trước khi xử lý. Tuy nhiên, các dấu này không tạo ranh giới byte: chuỗi bit được nối lại rồi chia từng tám bit từ đầu. Bạn nên bảo đảm số bit và thứ tự bit đúng, thay vì chỉ dựa vào cách phân nhóm bằng mắt. Nếu dán thêm lời chú thích có chữ số 0 hoặc 1, những chữ số đó vẫn bị giữ lại và có thể làm thay đổi dữ liệu.

Nếu chuỗi nhị phân thiếu hoặc thừa vài bit thì kết quả thế nào?

Công cụ chỉ sử dụng các nhóm tám bit đầy đủ và bỏ phần cuối còn từ một đến bảy bit. Nếu toàn bộ chuỗi sau lọc ngắn hơn tám bit, kết quả rỗng. Nếu mất hoặc chèn bit ở giữa, ranh giới các byte phía sau có thể bị lệch, nên hậu quả không chỉ là mất một phần ở cuối. Không có cảnh báo riêng cho bit dư; muốn kiểm tra độ đầy đủ, bạn cần đối chiếu độ dài và nội dung với nguồn.

Vì sao giải mã xuất hiện ký tự � dù không báo lỗi?

Ký tự � là dấu thay thế mà bộ giải mã có thể tạo khi gặp dữ liệu UTF-8 không hợp lệ. Chế độ giải mã mặc định không buộc mọi lỗi byte phải gây ngoại lệ, nên công cụ vẫn có thể trả kết quả mà không hiện thông báo lỗi định dạng. Nguyên nhân có thể là sai bảng mã, thiếu byte hoặc bit bị thay đổi. Chỉ từ ký tự thay thế không thể xác định nội dung gốc; cần kiểm tra lại dữ liệu nguồn.

Vì sao có kết quả nhưng thao tác sao chép hoặc hoán đổi không hoạt động?

Hai thao tác đều bị chặn khi kết quả chứa chuỗi chữ hoa LỖI, dù chuỗi đó có thể thuộc văn bản giải mã hợp lệ. Với sao chép, còn có khả năng trình duyệt không hỗ trợ hoặc không cho phép truy cập clipboard trong điều kiện hiện tại. Hai nguyên nhân này khác nhau: quyền clipboard liên quan tới sao chép, không giải thích mọi trường hợp hoán đổi không hoạt động. Có nội dung trong ô kết quả chưa đủ để bảo đảm cả hai thao tác đều thực hiện được.

Đổi văn bản thành 0 và 1 có giúp bảo mật nội dung không?

Không. Chuỗi 0 và 1 chỉ đổi cách trình bày dữ liệu; người biết cách đọc byte UTF-8 có thể khôi phục văn bản mà không cần khóa bí mật. Việc khó đọc bằng mắt không tương đương với bảo vệ nội dung. Nếu cần xử lý thông tin nhạy cảm, hãy cân nhắc quyền sử dụng dữ liệu và môi trường xử lý phù hợp. Mã chuyển đổi được cung cấp cũng không đủ để kết luận toàn website không truyền hoặc lưu thông tin bạn nhập.