二进制文本始于编码的选择
二进制描述的是一种数制,但一条消息还需要另一条规则:字符编码。字母 A 在 ASCII 和 UTF-8 中都是字节 65,用二进制写作 01000001。这个简单的例子可能会掩盖一个重要的细节:许多字符需要不止一个 UTF-8 字节,因此数分组的个数并不等于数屏幕上看到的字母个数。
检查只接受零到 127 之间数值的系统时,请选择严格 ASCII。工具会拒绝超出该范围的字符。对于普通的多语言文档,UTF-8 才是实用的选择。一个印地语单词、一个带重音的姓氏或一个表情符号,可能占用多个字节,但仍然只是一小段可读的文本。对这些字符进行编码,并不会翻译它们所属的语言。
解码时,本翻译器接受紧凑的二进制串,以及以空白、逗号或冒号分隔的完整字节分组。每一段必须包含八位的整数倍。它不会把两个残缺的分组拼起来并假装成一个有效字节。语法正确的字节序列仍然可能不是有效的 UTF-8;这时会产生单独的错误,并保留原始输入。
进行批量处理时,每个文件都使用所选的设置。某个文件失败不会移除成功的输出,ZIP 报告会按选择顺序标明失败的文件。在将解码后的文本传入文档工作流程之前,请先阅读解码结果。二进制编码只是一种表示方式,而不是加密:任何知道相同编码规则的人都可以将其还原。