Таблица ASCII, Windows-1251 и UTF-8 для русских букв

Полная таблица ASCII: управляющие символы 0–31 и 127 с назначением, печатные символы 32–126 в десятичной, шестнадцатеричной, восьмеричной и двоичной записи. Коды русских букв в кодировках Windows-1251, UTF-8 и Unicode, причины «кракозябр» и признаки разных кодировок.

Рекламный блок «после калькулятора» (ads/after-calc.html)

ASCII (American Standard Code for Information Interchange) — семибитная кодировка из 128 символов, принятая в 1963 году. Первые 32 кода и код 127 — управляющие символы, остальные 95 — печатные: пробел, цифры, латинские буквы и знаки препинания. Все современные кодировки (Windows-1251, KOI8-R, UTF-8) совпадают с ASCII в диапазоне 0–127, а отличаются только старшей половиной.

Печатные символы (32–126)

Dec	Hex	Oct	Bin	Символ
32	20	040	0100000	пробел
33	21	041	0100001	!
34	22	042	0100010	"
35	23	043	0100011	#
36	24	044	0100100	$
37	25	045	0100101	%
38	26	046	0100110	&
39	27	047	0100111	'
40	28	050	0101000	(
41	29	051	0101001	)
42	2A	052	0101010	*
43	2B	053	0101011	+
44	2C	054	0101100	,
45	2D	055	0101101	-
46	2E	056	0101110	.
47	2F	057	0101111	/
48	30	060	0110000	0
49	31	061	0110001	1
50	32	062	0110010	2
51	33	063	0110011	3
52	34	064	0110100	4
53	35	065	0110101	5
54	36	066	0110110	6
55	37	067	0110111	7
56	38	070	0111000	8
57	39	071	0111001	9
58	3A	072	0111010	:
59	3B	073	0111011	;
60	3C	074	0111100	<
61	3D	075	0111101	=
62	3E	076	0111110	>
63	3F	077	0111111	?
64	40	100	1000000	@
65	41	101	1000001	A
66	42	102	1000010	B
67	43	103	1000011	C
68	44	104	1000100	D
69	45	105	1000101	E
70	46	106	1000110	F
71	47	107	1000111	G
72	48	110	1001000	H
73	49	111	1001001	I
74	4A	112	1001010	J
75	4B	113	1001011	K
76	4C	114	1001100	L
77	4D	115	1001101	M
78	4E	116	1001110	N
79	4F	117	1001111	O
80	50	120	1010000	P
81	51	121	1010001	Q
82	52	122	1010010	R
83	53	123	1010011	S
84	54	124	1010100	T
85	55	125	1010101	U
86	56	126	1010110	V
87	57	127	1010111	W
88	58	130	1011000	X
89	59	131	1011001	Y
90	5A	132	1011010	Z
91	5B	133	1011011	[
92	5C	134	1011100	\
93	5D	135	1011101	]
94	5E	136	1011110	^
95	5F	137	1011111	_
96	60	140	1100000	`
97	61	141	1100001	a
98	62	142	1100010	b
99	63	143	1100011	c
100	64	144	1100100	d
101	65	145	1100101	e
102	66	146	1100110	f
103	67	147	1100111	g
104	68	150	1101000	h
105	69	151	1101001	i
106	6A	152	1101010	j
107	6B	153	1101011	k
108	6C	154	1101100	l
109	6D	155	1101101	m
110	6E	156	1101110	n
111	6F	157	1101111	o
112	70	160	1110000	p
113	71	161	1110001	q
114	72	162	1110010	r
115	73	163	1110011	s
116	74	164	1110100	t
117	75	165	1110101	u
118	76	166	1110110	v
119	77	167	1110111	w
120	78	170	1111000	x
121	79	171	1111001	y
122	7A	172	1111010	z
123	7B	173	1111011	{
124	7C	174	1111100	\|
125	7D	175	1111101	}
126	7E	176	1111110	~

Полезные закономерности: цифра d имеет код 48 + d (0x30 + d); заглавная и строчная латинская буква отличаются ровно на 32 (один бит 0x20), поэтому «A» = 0x41, «a» = 0x61; буква с номером k в алфавите имеет код 64 + k (заглавная).

Рекламный блок «внутри статьи» (ads/in-article.html)

Управляющие символы

Dec	Hex	Oct	Bin	Код	Назначение
0	00	000	0000000	NUL	пустой символ
1	01	001	0000001	SOH
2	02	002	0000010	STX
3	03	003	0000011	ETX
4	04	004	0000100	EOT
5	05	005	0000101	ENQ
6	06	006	0000110	ACK
7	07	007	0000111	BEL	звуковой сигнал
8	08	010	0001000	BS	возврат на шаг
9	09	011	0001001	HT	горизонтальная табуляция
10	0A	012	0001010	LF	перевод строки
11	0B	013	0001011	VT	вертикальная табуляция
12	0C	014	0001100	FF	прогон страницы
13	0D	015	0001101	CR	возврат каретки
14	0E	016	0001110	SO
15	0F	017	0001111	SI
16	10	020	0010000	DLE
17	11	021	0010001	DC1
18	12	022	0010010	DC2
19	13	023	0010011	DC3
20	14	024	0010100	DC4
21	15	025	0010101	NAK
22	16	026	0010110	SYN
23	17	027	0010111	ETB
24	18	030	0011000	CAN
25	19	031	0011001	EM
26	1A	032	0011010	SUB
27	1B	033	0011011	ESC	escape (начало управляющей последовательности)
28	1C	034	0011100	FS
29	1D	035	0011101	GS
30	1E	036	0011110	RS
31	1F	037	0011111	US
127	7F	177	1111111	DEL	удаление

Сегодня на практике используются в основном TAB (9), LF (10), CR (13), ESC (27) и NUL (0). Перевод строки в текстовых файлах отличается между системами: в Linux и macOS — LF (\n), в Windows — пара CR LF (\r\n). Если файл из Windows открыть в Linux-редакторе, в конце строк могут появиться символы ^M — это CR.

Русские буквы: Windows-1251, UTF-8 и Unicode

Буква	Windows-1251	UTF-8	Unicode	Строчная	Windows-1251	UTF-8	Unicode
А	C0	D0 90	U+0410	а	E0	D0 B0	U+0430
Б	C1	D0 91	U+0411	б	E1	D0 B1	U+0431
В	C2	D0 92	U+0412	в	E2	D0 B2	U+0432
Г	C3	D0 93	U+0413	г	E3	D0 B3	U+0433
Д	C4	D0 94	U+0414	д	E4	D0 B4	U+0434
Е	C5	D0 95	U+0415	е	E5	D0 B5	U+0435
Ё	A8	D0 81	U+0401	ё	B8	D1 91	U+0451
Ж	C6	D0 96	U+0416	ж	E6	D0 B6	U+0436
З	C7	D0 97	U+0417	з	E7	D0 B7	U+0437
И	C8	D0 98	U+0418	и	E8	D0 B8	U+0438
Й	C9	D0 99	U+0419	й	E9	D0 B9	U+0439
К	CA	D0 9A	U+041A	к	EA	D0 BA	U+043A
Л	CB	D0 9B	U+041B	л	EB	D0 BB	U+043B
М	CC	D0 9C	U+041C	м	EC	D0 BC	U+043C
Н	CD	D0 9D	U+041D	н	ED	D0 BD	U+043D
О	CE	D0 9E	U+041E	о	EE	D0 BE	U+043E
П	CF	D0 9F	U+041F	п	EF	D0 BF	U+043F
Р	D0	D0 A0	U+0420	р	F0	D1 80	U+0440
С	D1	D0 A1	U+0421	с	F1	D1 81	U+0441
Т	D2	D0 A2	U+0422	т	F2	D1 82	U+0442
У	D3	D0 A3	U+0423	у	F3	D1 83	U+0443
Ф	D4	D0 A4	U+0424	ф	F4	D1 84	U+0444
Х	D5	D0 A5	U+0425	х	F5	D1 85	U+0445
Ц	D6	D0 A6	U+0426	ц	F6	D1 86	U+0446
Ч	D7	D0 A7	U+0427	ч	F7	D1 87	U+0447
Ш	D8	D0 A8	U+0428	ш	F8	D1 88	U+0448
Щ	D9	D0 A9	U+0429	щ	F9	D1 89	U+0449
Ъ	DA	D0 AA	U+042A	ъ	FA	D1 8A	U+044A
Ы	DB	D0 AB	U+042B	ы	FB	D1 8B	U+044B
Ь	DC	D0 AC	U+042C	ь	FC	D1 8C	U+044C
Э	DD	D0 AD	U+042D	э	FD	D1 8D	U+044D
Ю	DE	D0 AE	U+042E	ю	FE	D1 8E	U+044E
Я	DF	D0 AF	U+042F	я	FF	D1 8F	U+044F

В Windows-1251 каждая буква занимает один байт: заглавные А–Я — коды C0–DF, строчные а–я — E0–FF, буквы Ё и ё стоят отдельно (A8 и B8). В UTF-8 кириллица кодируется двумя байтами: первый — D0 или D1, второй — от 80 до BF. В Unicode русский алфавит занимает диапазон U+0410–U+044F, Ё — U+0401, ё — U+0451.

Откуда берутся «кракозябры»

Что видно вместо «Привет»	Причина
РџСЂРёРІРµС‚	текст в UTF-8 прочитан как Windows-1251: каждая буква превращается в пару «Р…» или «С…»
Ïðèâåò	текст в Windows-1251 прочитан как Latin-1 (Windows-1252)
��	текст в Windows-1251 прочитан как UTF-8: байты C0–FF без продолжения недопустимы и заменяются символом U+FFFD
рТЙЧЕФ	текст в KOI8-R прочитан как Windows-1251 (или наоборот)

Чтобы исправить текст, нужно не «перекодировать» его ещё раз, а открыть файл, явно указав правильную исходную кодировку. В HTML-страницах кодировку объявляют тегом <meta charset="utf-8">.

Как устроен UTF-8

Диапазон кодов Unicode	Байтов	Шаблон битов	Примеры
U+0000 – U+007F	1	0xxxxxxx	ASCII
U+0080 – U+07FF	2	110xxxxx 10xxxxxx	кириллица, греческий, иврит, арабский
U+0800 – U+FFFF	3	1110xxxx 10xxxxxx 10xxxxxx	китайские иероглифы, знак ₽ (U+20BD), €
U+10000 – U+10FFFF	4	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx	эмодзи, редкие иероглифы

Пример: буква «Ж» имеет код U+0416 = 100 0001 0110₂. Раскладываем 11 бит по шаблону 110xxxxx 10xxxxxx: 11010000 10010110 = D0 96. Посмотреть байты любой строки в разных кодировках можно в калькуляторе Base64 и хеш-калькуляторе: хеш считается от байтов, поэтому для одной и той же строки в UTF-8 и Windows-1251 он разный.

Рекламный блок «внизу страницы» (ads/bottom.html)