Comment ça marche
Le texte est encodé en UTF-8 et chaque octet est écrit sur huit bits. Le décodage lit les bits par groupes de huit et vérifie que les octets forment un UTF-8 valide avant d’afficher le texte.
A → 01000001 · 한 → 11101101 10010101 10011100
- Les espaces, tabulations, retours à la ligne et tirets bas de l’entrée binaire sont ignorés.
- Le nombre de chiffres doit être un multiple de 8.
- Les octets qui ne sont pas de l’UTF-8 valide sont rejetés plutôt que d’afficher des caractères corrompus.
Exemples concrets
| Texte | Binaire | Octets |
|---|---|---|
| A | 01000001 | 1 |
| a | 01100001 | 1 |
| 0 | 00110000 | 1 |
| espace | 00100000 | 1 |
| 한 | 11101101 10010101 10011100 | 3 |
| 😀 | 11110000 10011111 10011000 10000000 | 4 |
Les lettres ASCII occupent un octet, la plupart des lettres accentuées ainsi que le grec et le cyrillique en occupent deux, les caractères coréens, japonais et chinois en occupent généralement trois, et les emoji quatre.
Conseils
- Au décodage, conservez les groupes de huit pour repérer facilement un bit manquant.
- Le binaire est en base 2 : chaque position vaut 1, 2, 4, 8, 16, 32, 64 ou 128 en partant de la droite.
- Pour convertir des nombres entiers entre bases (et non du texte), utilisez plutôt le convertisseur de bases.
Normes et sources
- RFC 3629 · UTF-8, un format de transformation de l’ISO 10646 (IETF)
- La norme Unicode · Unicode Consortium
Dernière vérification : 27 octobre 2026
Questions fréquentes
Pourquoi des groupes de 8 bits ?
Un octet fait 8 bits, et UTF-8 écrit chaque caractère sur un à quatre octets. Grouper par huit rend les octets faciles à lire.
Pourquoi un caractère coréen devient-il trois groupes ?
Les écritures non latines ont besoin de plus d’octets : les syllabes coréennes prennent 3 octets, la plupart des lettres accentuées 2, et les emoji 4.
Puis-je coller du binaire sans espaces ?
Oui. Les espaces, tabulations, retours à la ligne et tirets bas sont ignorés, mais le nombre de chiffres doit être un multiple de 8.
La conversion est-elle réversible ?
Oui pour de l’UTF-8 valide. Les octets qui ne sont pas de l’UTF-8 valide sont rejetés plutôt que d’afficher un texte corrompu.