二进制到文本详解：计算机如何存储和转换文本

2026年3月31日 · 12分钟阅读

什么是二进制代码？

二进制代码是计算机的基础语言。它只使用两个数字——0和1——来表示所有数据，从文本和数字到图像和视频。每个数字称为"位"（bit，二进制数字的缩写），位被分组为八个一组，称为"字节"。

单个字节可以表示256个不同的值（2的8次方），这足以涵盖英语中的每个字母、数字和常见符号。这个简单的双态系统完美映射到计算机内部的电子电路，其中一个位表示高电压（1）或低电压（0）。

您在屏幕上阅读的每一段文本、发送的每一封电子邮件以及保存的每一个文档，在硬件层面都存储为二进制代码。了解这种转换的工作原理可以让您深入了解所有数字通信的基础。

为什么是二进制？

计算机使用二进制是因为这是以电子方式表示数据最可靠的方法。原因如下：

• 简单性：只需要区分两种状态，减少错误
• 可靠性：电子电路可以轻松检测"开"和"关"之间的差异
• 速度：简单的逻辑门可以极快地处理二进制操作
• 耐用性：二进制数据不太容易受到噪声和干扰的影响

虽然人类自然地以十进制（基数10）思考，但计算机以二进制（基数2）运行。每次计算、每个存储的文件和每次网络传输最终都归结为1和0的序列。

文本如何变成二进制

当您在键盘上键入一个字母时，您的计算机不会存储字母本身。相反，它使用字符编码标准将字母转换为数字，然后以二进制形式存储该数字。这个过程是瞬间发生的，在您打字时每秒发生数千次。

以下是完整的逐步过程：

1. 您按下键盘上的"H"键
2. 键盘向您的计算机发送扫描码
3. 操作系统将其解释为字符"H"
4. 编码标准（如ASCII或UTF-8）将"H"映射到数字72
5. 数字72被转换为二进制：01001000
6. 二进制值存储在内存中或写入磁盘

当您稍后打开文件时，过程会反转：从存储中读取二进制值01001000，转换为十进制数字72，在编码表中查找，并在屏幕上显示为"H"。

字符编码的作用

字符编码是人类可读文本和机器可读二进制之间的桥梁。如果没有标准化的编码系统，不同的计算机会以不同的方式解释相同的二进制数据，使通信变得不可能。

将字符编码想象成发送方和接收方都同意使用的字典。只要双方使用相同的编码标准，文本就可以在不同的系统、平台和时间段内可靠地传输和存储。

ASCII：文本编码的基础

ASCII（美国信息交换标准代码）是最初的字符编码标准，创建于1963年。它使用7位定义了128个字符，包括大写和小写字母、数字0-9、标点符号以及换行和制表符等控制字符。

ASCII具有革命性意义，因为它为在计算机中表示文本建立了通用标准。在ASCII之前，不同的计算机制造商使用专有的编码方案，使系统之间的数据交换几乎不可能。

ASCII字符集

ASCII将其128个字符分为几个类别：

• 控制字符（0-31）：不可打印的字符，如NULL、退格和回车
• 可打印字符（32-126）：字母、数字、标点符号和符号
• 空格字符（32）：单词之间的标准空格
• 大写字母（65-90）：A到Z
• 小写字母（97-122）：a到z
• 数字（48-57）：0到9
• DEL字符（127）：删除控制字符

以下是一个表格，显示了一些常见的ASCII字符及其二进制表示：

ASCII的局限性

虽然ASCII具有开创性，但它有明显的局限性。只有128个字符，ASCII无法表示重音字母（如é或ñ）、非拉丁字母（如希腊文或西里尔文）或亚洲语言的字符。这一局限性导致了扩展ASCII变体的发展，最终发展为Unicode。

Unicode和UTF-8：支持所有语言

Unicode的创建是为了解决ASCII的局限性，为每种语言中的每个字符提供唯一的数字，以及符号、表情符号和历史文字。Unicode标准目前定义了超过149,000个字符，涵盖159种现代和历史文字。

然而，Unicode本身只是一个字符集——它为字符分配数字，但不指定如何将这些数字存储为二进制。这就是UTF-8的用武之地。

什么是UTF-8？

UTF-8（Unicode转换格式-8位）是一种可变长度编码系统，可以表示每个Unicode字符，同时保持与ASCII的向后兼容性。它是网络上占主导地位的字符编码，被超过98%的网站使用。

UTF-8每个字符使用1到4个字节：

• 1字节：ASCII字符（0-127）——与ASCII编码相同
• 2字节：拉丁扩展、希腊文、西里尔文、希伯来文、阿拉伯文等
• 3字节：大多数亚洲语言，包括中文、日文和韩文
• 4字节：表情符号、罕见字符和历史文字

这种可变长度方法使UTF-8非常高效。英文文本占用的空间与ASCII相同，而其他语言只使用所需的字节数。

UTF-8编码示例

为什么UTF-8获胜

UTF-8成为主导编码标准有几个原因：

• 向后兼容性：所有ASCII文本都是有效的UTF-8
• 效率：常用字符使用更少的字节
• 自同步：您可以找到字符边界而无需从头开始扫描
• 没有字节序问题：与UTF-16不同，UTF-8不需要字节序标记
• 通用支持：每种现代编程语言和系统都支持UTF-8

在处理文本文件时，除非有特定原因，否则始终使用UTF-8。这是国际兼容性和数据未来保障的最安全选择。

手动转换二进制到文本

了解如何手动将二进制转换为文本有助于您掌握文本编码的基本机制。虽然您很少需要手动执行此操作，但一旦您了解了步骤，该过程就很简单。

逐步转换过程

让我们将二进制序列01001000 01100101 01101100 01101100 01101111转换为文本：

1. 拆分为字节：该序列已经拆分为5个字节
2. 将每个字节转换为十进制：
   • 01001000 = 64 + 8 = 72
   • 01100101 = 64 + 32 + 4 + 1 = 101
   • 01101100 = 64 + 32 + 8 + 4 = 108
   • 01101100 = 64 + 32 + 8 + 4 = 108
   • 01101111 = 64 + 32 + 8 + 4 + 2 + 1 = 111
3. 查找