Cada letra é um número: ASCII, Unicode e o mistério do “ç”

No Bit a Bit #04 vimos que uma letra ocupa cerca de um byte. Mas se o computador só guarda números, como ele guarda uma letra? E por que, às vezes, um arquivo mostra “ç” no lugar de “ç”?

Uma tabela combinada

A solução é uma tabela em que cada símbolo recebe um número. Para que um texto escrito num computador seja lido em outro, todos precisam usar a mesma tabela. A primeira tabela amplamente adotada foi o ASCII, de 1963, com 128 símbolos: letras sem acento, algarismos, pontuação e alguns comandos.

O “A” é 65, que em binário é 01000001. Repare que o algarismo 0 não vale zero na tabela: ele é o símbolo número 48.

Unicode: todas as escritas

O ASCII foi pensado para o inglês e não tinha “ç”, “ã” nem acentos. Durante anos, cada país usou uma tabela diferente, e os textos se embaralhavam ao passar de um sistema para outro. O Unicode resolveu isso com uma única tabela para todas as escritas do mundo, que hoje passa de 150 mil caracteres, incluindo os emojis.

No formato mais usado na internet, o UTF-8, cada caractere ocupa de 1 a 4 bytes. As letras do ASCII continuam com 1 byte, o que manteve os arquivos antigos compatíveis:

• A: número 65, ocupa 1 byte.
• ç: número 231, ocupa 2 bytes (C3 A7, em hexadecimal).
• Emoji de rosto sorridente: número 128512 (U+1F600), ocupa 4 bytes.

O mistério do “ç”

Quando um arquivo é salvo em UTF-8, o “ç” vira os dois bytes C3 e A7. Se outro programa abre esse arquivo usando uma tabela antiga, de um byte por letra, ele lê cada byte separadamente: C3 vira “Ô e A7 vira “§”. O texto não está estragado; ele só foi lido com a tabela errada. Na maioria dos programas, basta escolher UTF-8 na hora de abrir ou importar o arquivo.

Na sala de aula

A habilidade EF04CO05 da BNCC Computação cita o ASCII diretamente, ao pedir que os alunos codifiquem informações para representação em computador. A atividade da pulseira binária junta o código das letras com o binário do Bit a Bit #02.

No próximo post: e uma foto, também é número?

Plano de aula: pulseira binária

Objetivo: entender que cada letra corresponde a um número e representá-la em 8 bits.

Desenvolvimento

1. Pergunta de abertura (5 min). “Como o computador guarda a letra ç? E um emoji?”
2. A tabela (10 min). Apresente o ASCII e localize juntos o A (65) e o B (66). A turma percebe que as letras seguem em ordem.
3. Em binário (10 min). Com os cartões de 128 a 1, convertam o 65 em 01000001. Cada aluno converte a primeira letra do próprio nome.
4. Pulseira (20 min). Cada aluno monta a pulseira com as iniciais ou o primeiro nome, com uma miçanga de outra cor separando as letras. Depois, troca com um colega, que decifra o nome. Letras acentuadas podem ser escritas sem acento, o que abre a conversa sobre o Unicode.
5. Fechamento (5 min). Mostre o “ç” e explique a tabela errada. Pergunta para a próxima aula: “E uma foto, também é número?”

Avaliação: a pulseira e a decifração do nome do colega mostram se o aluno converte nos dois sentidos.

Adaptações: miçangas de formatos diferentes (redonda = 1, quadrada = 0) tornam a pulseira legível pelo tato. Para turmas menores, use só as iniciais.

Fontes

• Habilidades EF04CO04 e EF04CO05: profez.com.br/bncc/computacao, que reproduz o complemento de Computação à BNCC (Parecer CNE/CEB nº 2/2022).
• Tabela Unicode e codificação UTF-8: Unicode Consortium.
• Atividade de codificação de texto: inspirada no CS Unplugged, projeto da Universidade de Canterbury (Nova Zelândia), material aberto.