Символы

Как и все данные, символы в памяти компьютера представляют набор битов - единиц и нулей, упорядоченных определенным образом. Большинство компьютеров для представления одного символа используют 1 или 2 байта. А для преобразования из чисел в символы и обратно распространенные операционные системы используют кодировку ASCII или Unicode.

Преобразование чисел в символы

Таблица ASCII (American Standard Code for Information Interchange) представляет один из наиболее простых и популярных способов кодирования символов. ASCII представляет таблицу кодировки символов, в которой каждому символу соответствует определенное число. Например, латинской букве A соответствует число 65, а букве B - число 66. Более того цифровые символы имеет свои собственные числовые коды. Например, символу 0 соответствует число 48, символу 1 - число 49 и т.д. Каждый отдельный символ из таблицы ASCII представляет 1 байт.

Таблица символов ASCII

Первые 31 символов - управляющие последовательности.

DEC	HEX	BIN	Символ	Описание
0	00	00000000	NUL	Ноль/нулевой байт
1	01	00000001	SOH	Начало заголовка
2	02	00000010	STX	Начало текста
3	03	00000011	ETX	Конец текста
4	04	00000100	EOT	Конец передачи
5	05	00000101	ENQ	запрос
6	06	00000110	ACK	Подтверждение
7	07	00000111	BEL	Сигнал/звонок
8	08	00001000	BS	Шаг назад
9	09	00001001	HT	Горизонтальная табуляция
10	0A	00001010	LF	Перевод строки
11	0B	00001011	VT	Вертикальная табуляция
12	0C	00001100	FF	Новая страница
13	0D	00001101	CR	Возврат каретки
14	0E	00001110	SO	Выключить сдвиг
15	0F	00001111	SI	Включить сдвиг
16	10	00010000	DLE	Ключ связи данных
17	11	00010001	DC1	Управиление устройством 1
18	12	00010010	DC2	Управиление устройством 2
19	13	00010011	DC3	Управиление устройством 3
20	14	00010100	DC4	Управиление устройством 4
21	15	00010101	NAK	Отрицательное подтверждение
22	16	00010110	SYN	Синхронизация
23	17	00010111	ETB	Конец передаваемого блока
24	18	00011000	CAN	Отмена
25	19	00011001	EM	Конец среды
26	1A	00011010	SUB	Замена
27	1B	00011011	ESC	Выход
28	1C	00011100	FS	Разделитель файлов
29	1D	00011101	GS	Разделитель групп
30	1E	00011110	RS	Разделитель записей
31	1F	00011111	US	Разделитель модулей

Печатные символы

DEC	HEX	BIN	Символ
32	20	00100000	пробел
33	21	00100001	!
34	22	00100010	"
35	23	00100011	#
36	24	00100100	$
37	25	00100101	%
38	26	00100110	&
39	27	00100111	'
40	28	00101000	(
41	29	00101001	)
42	2A	00101010	*
43	2B	00101011	+
44	2C	00101100	,
45	2D	00101101	-
46	2E	00101110	.
47	2F	00101111	/
48	30	00110000	0
49	31	00110001	1
50	32	00110010	2
51	33	00110011	3
52	34	00110100	4
53	35	00110101	5
54	36	00110110	6
55	37	00110111	7
56	38	00111000	8
57	39	00111001	9
58	3A	00111010	:
59	3B	00111011	;
60	3C	00111100	<
61	3D	00111101	=
62	3E	00111110	>
63	3F	00111111	?
64	40	01000000	@
65	41	01000001	A
66	42	01000010	B
67	43	01000011	C
68	44	01000100	D
69	45	01000101	E
70	46	01000110	F
71	47	01000111	G
72	48	01001000	H
73	49	01001001	I
74	4A	01001010	J
75	4B	01001011	K
76	4C	01001100	L
77	4D	01001101	M
78	4E	01001110	N
79	4F	01001111	O
80	50	01010000	P
81	51	01010001	Q
82	52	01010010	R
83	53	01010011	S
84	54	01010100	T
85	55	01010101	U
86	56	01010110	V
87	57	01010111	W
88	58	01011000	X
89	59	01011001	Y
90	5A	01011010	Z
91	5B	01011011	[
92	5C	01011100	\
93	5D	01011101	]
94	5E	01011110	^
95	5F	01011111	_
96	60	01100000	`
97	61	01100001	a
98	62	01100010	b
99	63	01100011	c
100	64	01100100	d
101	65	01100101	e
102	66	01100110	f
103	67	01100111	g
104	68	01101000	h
105	69	01101001	i
106	6A	01101010	j
107	6B	01101011	k
108	6C	01101100	l
109	6D	01101101	m
110	6E	01101110	n
111	6F	01101111	o
112	70	01110000	p
113	71	01110001	q
114	72	01110010	r
115	73	01110011	s
116	74	01110100	t
117	75	01110101	u
118	76	01110110	v
119	77	01110111	w
120	78	01111000	x
121	79	01111001	y
122	7A	01111010	z
123	7B	01111011	{
124	7C	01111100	|
125	7D	01111101	}
126	7E	01111110	~
127	7F	01111111	DEL

Использование символов

Для определения символа в ассемблере GAS применяются одинарные кавычки:

.globl _start

.text
_start:
    movq $'A', %rdi  #  в регистре RDI числовой код символа A - 65

    movq $60, %rax
    syscall

Причем в инструкциях перед символом, как и перед числами, указывается символ $.

Для определения переменных, которые представляют символы ASCII, применяется тип .byte:

.globl _start

.data
charD: .byte 'D'  # определяем один символ

.text
_start:
    movq charD, %rdi  #  в регистре RDI числовой код символа D - 68

    movq $60, %rax
    syscall

Но стоит помнить, что символы - это всего лишь числовые коды, и вместо символов равным образом мы можем использовать числа.

Преобразование символов

Если мы посмотрим на таблицу ASCII, то увидим, что данная кодировка упрощает в некоторых случаях манипуляции с данными. Так, строчные буквы отличаются от заглавным установленным 6-м битом:

Буква A 01000001
Буква a 01100001

Соответственно, чтобы, например, перевести строчную букву в верхний регистр, достаточно снять шестой бит, а чтобы сделать заглавную букву строчной - наоборот, установить шестой бит. Для установки этого бита можно прибавить к числовому коду символа число 32, а для сброса этого бита - отнять от числового кода символа 32.

Или например, из таблицы мы видим, что числовой код цифровых символов начинается с 48 (или с 30 в 16-й сиситеме). Поэтому для перехода от числа к его символьному представлению и обратно мы можем прибавлять/вычитать 48.

Поскольку бинарный код чисел отличается от бинарного кода цифровых символов только старшим полубайтом, который у символов равен 3, то для перехода от символа к числу можно применить операцию AND, которая сбросит полубайт. А для перехода от числа к его символьному представлению можно установить полубайт с помощью операции OR. Например, преобразуем символ в число:

.globl _start

.text
_start:
    movq $'2', %rdi    # числовой код цифры 2 равен 50 или 00110010
    andq $0xF, %rdi     # убираем старший полубайт - 0011 с помощью маски 00001111
    movq $60, %rax
    syscall

Здесь преобразуем в число символ 2. В бинарной форме он равен 00110010. То есть нам надо сбросить первый полубайт 0011. Для этого применяем логическое умножение на число 0Fh, что в двоичной форме равно 00001111. То есть получим:

00110010
*
00001111
=
00000010

То есть получаем бинарное представление числа 2. Причем 0x0F - это маска, которая подходит для перехода от любого цифрового символа к числу для все числовых значений. Выполним обратный переход:

.globl _start

.text
_start:
    movq $2, %rdi       # числовой код 2 равен 00000010
    orq $0x30, %rdi     # устанавливаем старший полубайт в 0011 с помощью маски 0011000
    movq $60, %rax
    syscall

Здесь преобразуем число 2 в соответствующий символ. В бинарной форме число 2 равно 00000010. То есть нам надо установить старший полубайт в 0011. Для этого применяем логическое сложение с числом 0x30, что в двоичной форме равно 00110000. То есть получим:

00000010
+
00110000
=
00110010

То есть получаем число 50 - числовой код символа "2".

Подобным образом используя логического сложение с маской 0x20 можно получить из заглавной буквы строчную:

.globl _start

.text
_start:
    movq $'A', %rdi     # числовой код символа A равен 65 или 01000001
    orq $0x20, %rdi     # 01000001 + 00100000 = 97 - код символа a
    movq $60, %rax
    syscall

Используя логическое умножение на маску DFh или 11011111, можно перейти от строчной к заглавной букве:

.globl _start

.text
_start:
    movq $'a', %rdi     # числовой код символа a равен 97 или 01100001
    andq $0xDF, %rdi     # 01100001 * 11011111 = 01000001 = 65 - код символа A
    movq $60, %rax
    syscall

Для той же цели можно прибавлять/вычитать 32 из кода символа:

.globl _start

.text
_start:
    movq $'A', %rdi     # в RDI код 65
    addq $32, %rdi     # 65 + 32 = 97 - код символа a 
    movq $60, %rax
    syscall