Por que a letra 'á' não produz exatamente 8 bits na conversão para binário?

Porque 'á' está fora do intervalo ASCII básico (0-127) e é codificada em UTF-8 usando 2 bytes, não 1. Só caracteres ASCII puro (letras sem acento, números, pontuação básica) sempre correspondem a exatamente 8 bits — qualquer coisa fora desse intervalo pode usar 2, 3 ou até 4 bytes.

Um conversor que assume '1 caractere = 1 byte' funciona corretamente com texto em português?

Não de forma confiável — qualquer palavra com acentuação (café, não, ação) vai produzir resultado incorreto ou truncado, porque os caracteres acentuados ocupam mais de um byte em UTF-8. É necessário usar uma API que trabalhe no nível de byte codificado (como TextEncoder/TextDecoder), não no nível de caractere JavaScript.

Quantos bytes um emoji ocupa em UTF-8?

Tipicamente 4 bytes — a maioria dos emojis está em faixas do Unicode (planos suplementares) que exigem a representação máxima de 4 bytes em UTF-8, o maior custo de codificação entre os tipos comuns de caractere, mais que acentos latinos (2 bytes) ou muitos símbolos (3 bytes).

Tradutor de Código Binário

Documentação técnica

Texto ↔ Binário: por que "á" não vira só 8 bits

A confusão mais comum ao converter texto para binário: assumir que cada caractere sempre vira exatamente 8 bits (1 byte). Isso é verdadeiro só para caracteres ASCII (os primeiros 128 valores Unicode — letras sem acento, números, pontuação básica). Qualquer caractere fora desse intervalo — acentos (á, ç, ã), símbolos, emojis — é codificado em UTF-8 usando múltiplos bytes: 2 bytes para a maioria dos caracteres acentuados latinos, 3 bytes para muitos símbolos e caracteres de outros alfabetos, até 4 bytes para emojis. Este conversor usa TextEncoder/TextDecoder nativos do navegador especificamente para lidar com essa variação corretamente — a palavra "café" não produz 4 grupos de 8 bits, produz 5, porque o "é" sozinho ocupa 2 bytes em UTF-8.

Por que essa distinção importa além da curiosidade técnica

Implementações ingênuas que tratam "1 caractere = 1 byte" (comuns em tutoriais introdutórios que só testam com texto em inglês) quebram silenciosamente com qualquer entrada em português com acentuação — produzindo binário corrompido ou truncando caracteres no meio de sua representação de múltiplos bytes. É o mesmo tipo de bug de fundo já discutido na página de Nicks deste site a respeito de truncamento de campo por contagem de bytes: qualquer processamento de texto que assume 1:1 entre caractere e byte falha de forma previsível assim que a entrada deixa de ser puramente ASCII.

Uso em ensino de fundamentos de representação de dados

Além de curiosidade e ofuscação leve, converter texto para binário é uma ferramenta didática direta para entender como qualquer dado — texto, imagem, áudio — é, no nível mais baixo, apenas uma sequência de bits interpretada segundo uma convenção (nesse caso, UTF-8). Comparar a saída de "A" (ASCII, 1 byte, 01000001) com a de "Á" (acentuado, 2 bytes) lado a lado é uma forma concreta de visualizar a diferença entre codificação de caractere único e multi-byte, sem precisar de nenhuma ferramenta de depuração de baixo nível.