公厕里的二进制究竟写的什么
共 2098字，需浏览 5分钟
·
2024-04-11 04:47
hello，大家春节好啊，我是小楼。
春节带娃逛公园，在公园厕所里发现了一张有意思的图：
好几种语言写的 “往前一小步，文明一大步”，男同胞应该大部分都看过类似的标语，但这个二进制有点意思。
我把这个图发给一个公务员朋友，他说这个只有你们程序员看得懂，我说我也看不懂。
原来在外行眼里，程序员竟然还能看懂二进制~
回到家后，我在想，这二进制究竟写的啥？难道设计者是程序员？又或许是设计者瞎写的？
为了看懂这段二进制，得先想办法把这段01组成的文本搞出来。
靠肉眼加手敲显然不行，我想到了微信自带的识别文字：
显然不对，丢了很多。
接着我想到了 OCR，但是搜了一下发现全是接口文档的广告，还需要自己实现，显然不可能为了识别一张图片去开发个程序，于是又继续搜如何提取图片文字，发现了一款微信小程序，试了下，还真就识别出来了
11100101100100001001000111100101100010011000110111100100101110001000000011100101101100001000111111100110101011011010010100100000111001101001011010000111111001101001100010001110111001001011100010000000111001011010010010100111
111001101010110110100101
看了下，248个0和1的组合，248比较特殊，可以被8整除，斗胆猜测是 ASCII 码，每8位表示一个，于是我简单写了个Go程序验证下：
func TestBinary(t *testing.T) {
str := "11100101100100001001000111100101100010011000110111100100101110001000000011100101101100001000111111100110101011011010010100100000111001101001011010000111111001101001100010001110111001001011100010000000111001011010010010100111111001101010110110100101"
for i := 0; i < len(str); i = i + 8 {
code, _ := strconv.ParseInt(str[i:i+8], 2, 64)
fmt.Printf("%c", int(code))
}
}
结果一运行出现了：
这是啥玩意？难道是我代码写错了？
于是我想直接问一下百度，这串二进制如何转换为ASCII码
百度丢给我一段 python 代码，虽然我对 py 不太熟，但还是知道怎么运行，于是我把它粘贴到文件里，保存为 test.py 文件，然后执行 python test.py
AI 还真是厉害！
原来这里是对中文的编码，我一直以为是英文。这里应该是 unicode 编码，通常用 UTF-8 来存储 unicode 字符，它是一种变长的存储方式，比较节省空间，使用1~4个字节表示字符，汉字通常是3~4个字节。
那么问题来了，给一串二进制怎么知道字符使用了几个字节表示呢？其实是有个规定：
- 1字节：0xxx xxxx
- 2字节：110x xxxx 10xx xxxx
- 3字节：1110 xxxx 10xx xxxx 10xx xxxx
- 4字节：1111 0xxx 10xx xxxx 10xx xxxx 10xx xxxx
用上面的二进制举例，可以把第一个汉字捞出来：
1110 0101 1001 0000 1001 0001
对应上面规则为3字节，再把固定的前缀去掉，得到unicode编码：
0101 0100 0001 0001
转换为16进制：\u5411，查询下果然是“向”
同理可得其他字符。按照这个逻辑来写代码解析就比较简单了，但 python 的 chr 函数还是有点意思，为什么这么说呢？因为它不是按照我们这个逻辑去解析的，它是固定8位8位地解析，结果也能解析完整。如果把每次调用 chr 的结果都输出，你就会发现它的厉害之处：
好了 python 这个彩蛋留给大家去探索，本文到此为止，我们下期再见~