Porque é que um byte tem 8 bits? História e uso atual

Hoje, um byte tem quase sempre oito bits. Esta relação é tão habitual que parece uma lei natural, mas resulta da história do hardware, de convenções de software e da normalização.

Bit, byte e octeto

Um bit tem dois estados, representados por 0 e 1. Com oito posições há 2⁸ = 256 combinações, de 0 a 255 quando interpretadas como um inteiro sem sinal.

Historicamente, byte designava uma unidade endereçável capaz de representar um caráter e o seu tamanho dependia da máquina. Existiram arquiteturas com bytes de 6, 7, 8, 9 ou outros números de bits. Por isso, normas de redes usam muitas vezes a palavra octeto quando precisam de dizer inequivocamente «oito bits».

Porque é que venceu o grupo de oito

Não houve uma única decisão universal. Vários fatores reforçaram a escolha:

• oito bits acomodavam ASCII de 7 bits e deixavam um bit disponível para extensões ou paridade;
• 256 valores eram suficientes para muitos conjuntos de carateres e dados de controlo da época;
• potências de dois simplificavam circuitos, endereçamento e operações binárias;
• máquinas e sistemas comerciais influentes adotaram unidades de 8 bits;
• protocolos, formatos de ficheiro e linguagens passaram a depender dessa escolha.

Depois de software, periféricos e redes convergirem, a interoperabilidade tornou a convenção difícil de alterar.

O valor de cada posição

Num byte interpretado como inteiro binário sem sinal, as posições valem:

128 64 32 16 8 4 2 1

O byte 10100110 representa:

128 + 32 + 4 + 2 = 166

A mesma sequência de bits pode ter outro significado se o tipo mudar: parte de um número com sinal, um canal de cor, um fragmento de texto UTF-8 ou um campo de um protocolo. Os bits não transportam sozinhos a informação sobre como devem ser interpretados.

Texto não significa um byte por caráter

ASCII cabe num byte, mas Unicode contém muito mais do que 256 pontos de código. UTF-8 usa de um a quatro bytes por ponto de código:

• A usa um byte: 41 em hexadecimal;
• á usa dois bytes: C3 A1;
• € usa três bytes: E2 82 AC;
• muitos emoji usam quatro bytes.

Além disso, um grafema visível pode combinar vários pontos de código. Por isso, contagens de bytes, pontos de código e símbolos apresentados no ecrã podem ser diferentes.

Números e ordem dos bytes

Um inteiro de 32 bits ocupa normalmente quatro bytes. A ordem desses bytes na memória pode ser little-endian ou big-endian. Esta questão é diferente da ordem dos bits que se escreve dentro de cada byte.

Em redes, a expressão «ordem de bytes de rede» costuma designar big-endian. Formatos e protocolos devem especificar a ordem; não é seguro inferi-la apenas pelo tamanho.

A exceção importante das linguagens

Em C e C++, sizeof(char) é sempre 1 por definição, mas o número de bits desse byte é indicado por CHAR_BIT e a norma não exige universalmente o valor 8. Em plataformas correntes, CHAR_BIT é quase sempre 8. Código que depende exatamente de octetos deve declarar essa suposição ou usar tipos e protocolos adequados.

Explorar os valores

O conversor de binário para decimal mostra o valor numérico de um grupo de bits. A tabela de referência ASCII ajuda a comparar esse valor com carateres básicos, enquanto o guia sobre ASCII, Unicode e UTF-8 explica o passo seguinte.

O byte de oito bits é uma convenção extraordinariamente estável, não uma propriedade inerente da informação. Distinguir convenção, representação e significado torna os formatos binários muito mais fáceis de analisar.