Chuyển đổi ASCII sang văn bản

Khi bạn dán một biểu tượng cảm xúc vào bộ giải mã ASCII thuần túy, kết quả thường bị lỗi ký tự. Đây không phải lỗi từ công cụ mà do bảng mã ASCII ban đầu không được tạo ra để lưu trữ những ký tự này.

ASCII là tập con của chuẩn Unicode hiện đại

Chuẩn Unicode dùng cho hầu hết dữ liệu mạng được phát triển để tương thích ngược với bảng mã ASCII truyền thống. Cụ thể, 128 mã đầu tiên trong Unicode, từ 0 đến 127, hoàn toàn trùng khớp với bảng ASCII gốc. Khi giải mã giá trị 65, bạn luôn nhận được chữ A trên cả hai chuẩn.

Sự tương thích này dừng lại ở con số 127. Bất kỳ ký tự nào nằm ngoài mốc này, như chữ có dấu, ký hiệu tiền tệ hay biểu tượng hình ảnh, đều không tồn tại trong chuẩn ASCII gốc mà thuộc không gian hơn một triệu điểm mã của Unicode.

Nguyên nhân khiến chữ có dấu bị lỗi hiển thị

Định dạng UTF-8 thể hiện các điểm mã lớn hơn 127 bằng chuỗi gồm hai, ba hoặc bốn byte thay vì chỉ một byte duy nhất. Nếu một bộ xử lý đọc từng byte riêng lẻ như một ký tự ASCII độc lập, chuỗi byte của biểu tượng cảm xúc sẽ bị tách rời thành các ký tự vô nghĩa.

Ví dụ, biểu tượng mặt cười U+1F600 cần bốn byte trong định dạng UTF-8. Khi đưa bốn byte này qua bộ giải mã ASCII từng phần tử một, bạn nhận về bốn ký tự điều khiển thay vì một hình mặt cười hoàn chỉnh.

Những tình huống chuyển đổi ASCII dễ phát sinh lỗi

• Sao chép đoạn văn chứa dấu ngoặc kép cong hoặc dấu gạch ngang dài vào hệ thống chỉ chấp nhận chuẩn ASCII cơ bản.
• Nhập họ tên có dấu tiếng Việt hoặc chữ có dấu như Müller vào cơ sở dữ liệu cũ vốn chỉ thiết lập cho dữ liệu ASCII.
• Mở tệp CSV xuất từ một hệ thống khác nhưng phần mềm đọc lại mặc định dùng bảng mã ký tự không khớp.
• Hệ thống thư điện tử cũ và các giao diện API kế thừa vẫn áp dụng định dạng truyền tải 7-bit ASCII.
• Tranh chữ nghệ thuật dùng các ký tự kẻ khung Unicode nhưng người gửi nhầm tưởng là ký tự vẽ ASCII đơn giản.

Câu hỏi thường gặp về chuyển đổi ASCII sang văn bản