Chuyển tiếng Việt và emoji sang Binary bằng UTF-8

Unicode gán giá trị trừu tượng cho ký tự. UTF-8 tuần tự hóa các giá trị đó thành byte: ký tự ASCII dùng một byte, nhiều chữ tiếng Việt dùng hai byte và nhiều emoji dùng bốn byte. RFC 3629 định nghĩa chuỗi UTF-8 dài từ một đến bốn octet.

Binary chỉ là cách viết khác của giá trị số trong từng byte. Encode Keyboard thêm số 0 đầu để mỗi byte luôn đủ tám bit và ngăn nhóm bằng khoảng trắng cho dễ đọc.

Các ví dụ sau cho thấy byte UTF-8 dạng thập lục phân và nhóm 8 bit tương ứng:

• →A → 41 → 01000001 (một byte).
• →đ → C4 91 → 11000100 10010001 (hai byte).
• →á → C3 A1 → 11000011 10100001 (hai byte).
• →👋 → F0 9F 91 8B → 11110000 10011111 10010001 10001011 (bốn byte).

Unicode có thể biểu diễn một số hình thức hiển thị bằng nhiều chuỗi khác nhau. Chữ á dựng sẵn và chữ a đi cùng dấu sắc kết hợp có thể nhìn giống hệt nhưng dùng code point và byte khác nhau.

Encode Keyboard giữ nguyên chuỗi input; Binary và Base64 không tự ý chuẩn hóa Unicode. Vì vậy hai chuỗi nhìn giống nhau có thể encode khác nhau, trong khi mỗi chuỗi vẫn round-trip về đúng cấu trúc ban đầu của nó.

Bộ decode chỉ nhận 0 và 1 sau khi bỏ khoảng trắng được phép. Số bit phải chia thành các byte đủ tám bit và các byte đó phải tạo được text UTF-8 hợp lệ.

Binary không tạo tính bí mật. Ai hiểu byte cũng có thể khôi phục text. Hãy dùng nó để học, quan sát UTF-8 hoặc biểu diễn đảo ngược nội dung không nhạy cảm.