Ein Text besteht im Speicher aus Bytes, und wie Zeichen zu Bytes werden, entscheidet die Kodierung. UTF-8 ist heute der Standard: Es braucht für lateinische Buchstaben ein Byte, für Umlaute zwei, für die meisten asiatischen Zeichen drei und für Emojis vier.
Dieses Werkzeug zeigt genau diese Bytes — als Bits, als Hexzahlen oder dezimal — und findet aus einer solchen Folge auch wieder den Text.
Warum ein Umlaut zwei Bytes braucht
UTF-8 ist eine Kodierung variabler Länge. Die ersten 128 Zeichen entsprechen dem alten ASCII und passen in ein Byte, dessen höchstes Bit null ist. Alles darüber beginnt mit einem Byte, dessen führende Einsen verraten, wie viele Bytes folgen.
Das ist der Grund, warum ein deutscher Text mehr Bytes hat als Zeichen, und warum eine Datenbankspalte für „255 Zeichen“ je nach Definition nur 85 Emojis fasst. Wer Speichergrenzen plant, muss Bytes zählen, nicht Zeichen.
Acht Bits, ein Byte
In der binären Darstellung steht jedes Byte als Gruppe von acht Ziffern, weil führende Nullen sonst verloren gingen. Beim Zurückwandeln akzeptiert dieses Werkzeug Gruppen mit und ohne Trennzeichen, solange sie sich sauber in Achtergruppen zerlegen lassen.
Hexadezimal ist die kompaktere Schreibweise für dieselben Bytes: Zwei Hexziffern sind genau ein Byte. Deshalb liest man in Datei-Editoren und Netzwerkmitschnitten praktisch immer Hex und nicht Binär.