Un texto en memoria son bytes, y quien decide cómo pasan los caracteres a bytes es la codificación. UTF-8 es hoy el estándar: gasta un byte en las letras latinas, dos en las acentuadas y la eñe, tres en la mayoría de los caracteres asiáticos y cuatro en los emojis.
Esta herramienta muestra justamente esos bytes —como bits, como hexadecimal o en decimal— y también recupera el texto a partir de una secuencia así.
Por qué una eñe necesita dos bytes
UTF-8 es una codificación de longitud variable. Los primeros 128 caracteres coinciden con el viejo ASCII y caben en un byte cuyo bit más alto es cero. Todo lo demás empieza por un byte cuyos unos iniciales indican cuántos bytes vienen detrás.
Esa es la razón de que un texto en español tenga más bytes que caracteres, y de que una columna de base de datos para «255 caracteres» acabe admitiendo solo 85 emojis. Quien planifica límites de almacenamiento tiene que contar bytes, no caracteres.
Ocho bits, un byte
En la representación binaria cada byte aparece como un grupo de ocho cifras, porque de otro modo se perderían los ceros iniciales. Al volver atrás, esta herramienta admite grupos con o sin separadores mientras se puedan repartir limpiamente en grupos de ocho.
El hexadecimal es la forma compacta de escribir esos mismos bytes: dos cifras hexadecimales son exactamente un byte. Por eso en los editores de archivos y en las capturas de red se lee siempre hexadecimal y casi nunca binario.