1. O que é “texto” e o que é “binário”?

Em termos computacionais, tudo é uma sequência de bytes. O que define “texto” é a intenção de interpretar esses bytes como caracteres de uma codificação específica (ASCII, UTF-8, UTF-16, etc.). Observamos caracteres legíveis, que podem ser apresentados a humanos, com mapas de caracteres bem definidos. Já “binário” refere-se a dados que não possuem uma interpretação direta como caracteres, ou cuja interpretação depende de um formato específico (imagens, áudio, executáveis, estruturas de arquivo).

Exemplos comuns:

• Arquivos de texto: .txt, .csv, .log — tipicamente armazenam caracteres conforme uma codificação.
• Arquivos binários: .mp3, .png, .exe, .pdf — contêm sequências de bytes que representam estruturas internas, sem exigir uma interpretação única de caracteres.

Importante: a extensão do arquivo não determina se ele é texto ou binário. Um arquivo .mp3, embora tenha aparência de áudio, guarda dados no formato binário, com frames e metadados codificados; já um .txt pode conter apenas caracteres, mas pode usar encodings variados e regras de nova linha.

2. Como isso se traduz no armazenamento e na codificação

O armazenamento em disco é uma sequência de bytes. Em arquivos de texto, a combinação de bytes deve ser interpretada com uma codificação para que cada grupo de bytes resulte em um caractere. Em UTF-8, por exemplo, ASCII fica com um único byte, enquanto caracteres acentuados podem exigir até 4 bytes.

Arquivos binários não se preocupam com a leitura como caracteres. Eles seguem uma estrutura específica: cabeçalhos, campos, máscaras de bit, tabelas de referência, frames ou blocos. Para mp3, os frames contêm informações de bitrate, forma de amostragem, sincronização, entre outros. Para imagens, há markers, cabeçalhos de formato e dados de imagem comprimidos.

Consequência prática: alterações acidentais em um arquivo binário podem corromper a estrutura interna, enquanto alterações em texto mantendo a codificação correta normalmente preserva legibilidade (quando a edição respeita a codificação).

3. Como ler, editar e validar: comportamentos diferentes

Para arquivos de texto, editores mostram caracteres, substituem automaticamente e salvam mantendo a codificação correta. Para binários, editores hexadecimais revelam cada byte; alterações sem o conhecimento do formato podem destruir o conteúdo.

Ferramentas úteis de diagnóstico:

• file command — identifica o tipo de arquivo com base em padrões binários.
• xxd ou hexdump — exibe a representação hexadecimal dos bytes.
• Editor de binários — para inspeção direta de conteúdo não textual.

Exemplo conceitual:

# Em Python, verificar se o conteúdo é texto ou binário
def is_text(data: bytes, encoding: str = "utf-8") -> bool:
    try:
        data.decode(encoding)
        return True
    except UnicodeDecodeError:
        return False

# Leitura rápida
with open("arquivo_exemplo", "rb") as f:
    amostra = f.read(1024)

print("É texto?", is_text(amostra))

4. Boas práticas: quando escolher texto ou binário, e como confirmar

Às vezes, a escolha entre texto ou binário não é explícita no nome do arquivo, mas sim no tipo de conteúdo. Considere:

• Dados legíveis por humanos no longo prazo: escolha texto com codificação estável (UTF-8). Facilita versionamento, diffs e inspeção rápida.
• Dados estruturados com alto nível de controle de formato: prefira binário quando desempenho, compactação ou preservação de formato for essencial (imagens, áudio, executáveis, modelos).
• Extensões não devem ser usadas como único indicador. Use ferramentas de verificação de tipo (file), examine a estrutura, consulte a documentação do formato.
• Ao converter entre formatos, preserve dados relevantes: para texto, assegure-se de manter a codificação e as quebras de linha apropriadas; para binários, mantenha o layout de blocos, frames ou headers.

Identificação rápida sem depender da extensão:

• Use o comando file para detectar o tipo de conteúdo com base em padrões binários.
• Abra com ferramentas de hex para ver se a sequência de bytes parece representar caracteres legíveis ou dados estruturados.