Cómo convierten los ordenadores el texto en binario
Sigue el recorrido de un carácter desde Unicode hasta bytes UTF-8 y bits, y aprende por qué texto, código binario y cifrado no son equivalentes.
Cuando escribes una letra, el ordenador no guarda una fotografía del glifo. El programa trabaja con una secuencia de caracteres; una codificación como UTF-8 los transforma en bytes, y esos bytes se almacenan o transmiten como bits. Cada capa responde a una pregunta distinta.
Este recorrido explica por qué el mismo texto puede ocupar longitudes diferentes y por qué una cadena de ceros y unos no puede interpretarse sin conocer su formato.
Del teclado al carácter
Una tecla física no equivale siempre a un carácter. El teclado envía eventos; el sistema operativo aplica la distribución activa y el programa recibe texto. Las teclas muertas, los métodos de entrada y las composiciones permiten producir caracteres que no aparecen impresos en una tecla.
En ese punto, la aplicación suele manejar Unicode. Unicode asigna puntos de código, por ejemplo:
A→U+0041;ñ→U+00F1;中→U+4E2D;😀→U+1F600.
Un punto de código no es todavía un byte. También conviene distinguirlo de un grafema: lo que una persona percibe como un solo símbolo puede contener varios puntos de código, como una letra seguida de una marca combinada o un emoji compuesto.
De Unicode a bytes UTF-8
UTF-8 codifica cada punto de código Unicode válido con uno a cuatro bytes. Conserva ASCII en el rango inicial, de modo que A se representa con un único byte:
A
U+0041
hexadecimal: 41
binario: 01000001La letra ñ necesita dos bytes:
ñ
U+00F1
hexadecimal: C3 B1
binario: 11000011 10110001El emoji 😀 utiliza cuatro bytes UTF-8. Por tanto, contar caracteres visuales, puntos de código, unidades UTF-16 y bytes puede producir resultados distintos.
Puedes observar el recorrido con el conversor de texto a binario y comparar los bytes en el conversor de texto a hexadecimal.
Qué papel tiene ASCII
ASCII define códigos del 0 al 127 para letras inglesas, dígitos, puntuación y controles. Técnicamente es un código de 7 bits. Cuando se muestra como grupos de ocho bits, se añade un cero inicial para ocupar un byte completo.
UTF-8 utiliza exactamente los mismos valores de byte para ese rango. Esa compatibilidad no convierte ASCII en Unicode completo: letras acentuadas, escrituras no latinas y emoji quedan fuera de los 128 códigos ASCII.
Consulta la tabla ASCII completa para distinguir caracteres imprimibles y controles.
Los bits no llevan significado incorporado
El patrón 01000001 puede ser el byte de A en ASCII o UTF-8, el número 65 sin signo, un campo dentro de un paquete o parte de una imagen. La secuencia no dice por sí sola qué interpretación es correcta.
Para recuperar texto hacen falta, como mínimo:
- límites de byte o una regla para encontrarlos;
- una codificación conocida;
- una secuencia válida según esa codificación;
- una política clara para errores o bytes incompletos.
El conversor de binario a texto interpreta grupos como bytes de texto. Si lo que tienes son números, utiliza el conversor de binario a decimal en su lugar.
Codificación, compresión y cifrado
Estos conceptos no son intercambiables:
- codificación: establece cómo representar información, como UTF-8 o Base64;
- compresión: reduce tamaño aprovechando redundancia;
- cifrado: protege confidencialidad mediante una clave y un algoritmo criptográfico;
- hash: obtiene un resumen determinista que no está pensado para revertirse.
Pasar texto a binario o Base64 no lo protege. Cualquiera que conozca la codificación puede recuperar el contenido. Del mismo modo, mostrar bytes como hexadecimal solo cambia la representación.
Saltos de línea y normalización
Dos textos visualmente iguales pueden tener bytes distintos. Un salto de línea puede ser LF (0A) o CRLF (0D 0A). Una letra acentuada puede aparecer como punto de código precompuesto o como letra base más marca combinada.
Si comparas hashes, firmas o tamaños, trabaja con los bytes exactos y aplica normalización solo cuando el protocolo la defina. Reformatear o «limpiar» texto antes de verificar una firma suele cambiar el mensaje firmado.
Resumen
El ordenador convierte texto en binario mediante reglas encadenadas: eventos de entrada producen caracteres, Unicode los identifica, UTF-8 los serializa como bytes y el hardware almacena bits. Mantener separadas esas capas permite elegir la herramienta correcta y diagnosticar errores sin confundir representación con seguridad.