![]() |
| Bellacosa Mainframe e os problemas de tabelas de caracteres |
☕ UM CAFÉ NO BELLACOSA MAINFRAME
🗿 A PEDRA DE ROSETA DE THOTH NO IBM Z: QUANDO EBCDIC, UTF-8 E UNICODE TENTAM TRADUZIR O MESMO NOME — CCSID 037, 1047, 1208, JAVA, JSON E A IDENTIDADE QUE DESAPARECEU ENTRE OS BYTES!
São 03h17. Um programa COBOL envia uma transferência de R$ 1,25 bilhão para uma aplicação Java. O CICS confirma a comunicação, o Db2 registra a operação e a API responde HTTP 200. Mas o nome do beneficiário sofreu uma transformação: João Gonçalves tornou-se um conjunto de caracteres estranhos. O dinheiro não desapareceu, porém a identidade digital do destinatário deixou de corresponder à informação original. Uma investigação sobre EBCDIC, Unicode, UTF-8, CCSIDs, páginas de código, normalização de caracteres, JSON, APIs e o perigo de uma conversão tecnicamente bem-sucedida que modifica o significado dos dados.
🎬 Prólogo — 03h17: o homem que entrou como João e saiu como outra pessoa
São Paulo, 19 de novembro de 2026.
03h17.
O Banco de Mênfis está realizando uma transferência especial.
Valor: R$ 1.250.000.000,00.
Beneficiário: João Gonçalves.
A solicitação chega a uma transação CICS executada no IBM Z.
O programa COBOL valida os dados.
O Db2 registra a operação conforme o fluxo autorizado.
Um channel CICS transporta as informações para um programa Java.
A aplicação Java prepara a resposta JSON.
O serviço informa que a solicitação foi processada.
O gerente observa:
— Tudo funcionando!
Mas o analista de integração aponta para o relatório.
— Temos um problema no nome do beneficiário.
O cadastro original apresenta:
JOÃO GONÇALVES
A resposta de um componente apresenta:
JOÃO GONÇALVES
O gerente fica perplexo.
— Que cliente é esse?
— É o mesmo identificador de operação. Mas o campo de nome foi interpretado incorretamente em alguma etapa.
— O Db2 corrompeu o registro?
— Ainda não sabemos.
— Foi o Java?
— Também não podemos concluir isso sem examinar os bytes.
— Mas o CICS retornou sucesso!
O veterano aproxima-se.
— Isso comprova determinados aspectos da execução. Não prova que todas as conversões de caracteres preservaram a informação original.
Ele abre um livro de arqueologia.
Na página aparece a famosa Pedra de Roseta.
— Senhores, precisamos aprender a traduzir os escritos de Thoth.
O gerente suspira.
— Outra aventura egípcia?
— Esta talvez seja uma das mais importantes. Porque não estamos investigando dinheiro desaparecido, e sim a identidade de quem deveria recebê-lo.
No quadro, o veterano escreve:
CARACTERE ≠ BYTE ≠ CODIFICAÇÃO ≠ SIGNIFICADO EMPRESARIAL.
E a investigação começa.
🏺 Capítulo I — A Pedra de Roseta: quando três escritas abriram as portas de uma civilização
A Pedra de Roseta é um dos objetos mais famosos da história da arqueologia e da linguística.
Encontrada em 1799 durante a campanha francesa no Egito, tornou-se uma peça essencial no processo de decifração dos hieróglifos egípcios.
O monumento contém um decreto promulgado em 196 a.C., durante o reinado de Ptolomeu V.
O texto aparece em três formas de escrita:
Hieróglifos egípcios.
Escrita demótica.
Grego antigo.
É importante compreender que não eram três línguas inteiramente distintas: hieróglifos e demótico registravam formas do egípcio, enquanto a terceira versão estava em grego.
Por que isso foi extraordinário?
Porque os estudiosos conheciam o grego antigo.
A comparação entre as versões forneceu pistas para compreender os sistemas egípcios.
Thomas Young contribuiu significativamente para o processo de decifração.
Jean-François Champollion realizou avanços decisivos, apresentados em 1822, demonstrando a importância dos valores fonéticos na leitura dos hieróglifos.
O processo não foi simplesmente traduzir um símbolo isolado.
Foi necessário reconhecer relações entre nomes, sinais e sistemas linguísticos.
A ligação com Thoth
Na mitologia egípcia, Thoth era associado à escrita, à sabedoria, aos registros e à contagem.
Ele funciona como nosso personagem simbólico para uma questão fundamental.
O que acontece quando uma mesma informação precisa atravessar sistemas de representação diferentes?
A Pedra de Roseta digital
No laboratório, imaginamos três representações:
Texto EBCDIC no COBOL.
Texto Unicode no Java.
Texto UTF-8 na mensagem JSON.
As representações podem ser diferentes.
O conteúdo desejado deve permanecer o mesmo.
Mas há uma diferença importante em relação à Pedra de Roseta histórica.
A conversão de caracteres em computadores envolve tabelas, codificações e algoritmos.
Ela não é automaticamente uma tradução linguística.
O sistema pode transformar corretamente os bytes de uma codificação em outra sem traduzir português para inglês, por exemplo.
Converter caracteres não é traduzir palavras. É preservar os caracteres através de representações diferentes.
🔤 Capítulo II — Caractere, código e byte: três conceitos que não podem ser confundidos
Antes de investigar os CCSIDs, precisamos compreender três conceitos.
O caractere
Um caractere é uma unidade abstrata de texto.
Por exemplo:
A
Ou:
Ç
Ou:
ã
O caractere é aquilo que desejamos representar.
O ponto de código
Unicode associa números a caracteres e a outros elementos do sistema de escrita.
Por exemplo:
A letra A corresponde a U+0041.
A letra Ç corresponde a U+00C7.
A letra ã corresponde a U+00E3.
Esses identificadores não significam que os caracteres sempre ocupem a mesma quantidade de bytes.
A codificação
Uma codificação determina como a informação é representada em unidades de armazenamento.
UTF-8 é uma codificação de Unicode.
UTF-16 também.
UTF-32 é outra.
EBCDIC pertence a uma família historicamente distinta de codificações de caracteres.
O erro fundamental
Imagine que uma aplicação receba os bytes que representam um texto em UTF-8.
Mas decida interpretá-los usando uma página de códigos EBCDIC.
O resultado poderá ser completamente diferente.
Os bytes não mudaram.
Mudou a regra usada para interpretá-los.
Isso é comparável a observar uma inscrição egípcia e tentar lê-la usando um alfabeto inadequado.
Uma observação para o programador iniciante
ASCII, EBCDIC, Unicode e UTF-8 não são quatro conceitos perfeitamente equivalentes.
ASCII é um conjunto de caracteres codificados historicamente importante.
EBCDIC designa uma família de codificações.
Unicode é um padrão amplo de representação de texto.
UTF-8 é uma forma de codificar caracteres Unicode em bytes.
Colocá-los todos numa mesma categoria sem distinções pode criar confusões técnicas.
🧱 Capítulo III — EBCDIC: o alfabeto digital que atravessou gerações de mainframes
EBCDIC significa Extended Binary Coded Decimal Interchange Code.
É uma família de codificações de caracteres associada historicamente aos sistemas IBM.
Não existe uma única versão universal de EBCDIC utilizada em todas as situações.
Há diferentes páginas de códigos.
Algumas atendem a necessidades linguísticas e regionais.
Outras possuem características associadas a determinados ambientes de software.
Por que a IBM utilizou EBCDIC?
A história do EBCDIC está relacionada à evolução de sistemas anteriores, equipamentos comerciais, tecnologias de cartões perfurados e arquiteturas de processamento de dados.
É parte importante da herança técnica do mainframe.
Isso não significa que sistemas IBM Z modernos estejam restritos ao EBCDIC.
O z/OS e seus subsistemas oferecem diferentes mecanismos de suporte e conversão de codificações, incluindo Unicode.
O problema do legado
Imagine um arquivo sequencial produzido há décadas.
O campo NOME contém caracteres codificados em determinada página EBCDIC.
O programa conhece implicitamente essa convenção.
Anos depois, uma API precisa enviar o nome a uma aplicação Java.
Se ninguém documentar a página de códigos real, a integração poderá assumir uma codificação incorreta.
E o arquivo original não precisa estar danificado para isso ocorrer.
O caso do Brasil
A página IBM-037 é uma das codificações EBCDIC relacionadas a ambientes que incluem Brasil e Portugal.
Isso não significa que todo mainframe brasileiro utilize CCSID 037.
Uma instalação pode utilizar outra página de códigos, dependendo de sua história e configuração.
O correto é verificar o ambiente real, não presumir o CCSID pelo país.
🔐 Capítulo IV — CCSID 037, 1047 e 1208: três portas para representar caracteres
CCSID significa Coded Character Set Identifier.
Um CCSID identifica uma codificação de caracteres reconhecida pelos componentes IBM.
Vamos conhecer os três identificadores centrais desta investigação.
| CCSID | Família | Característica |
|---|---|---|
| 037 | EBCDIC | Página de códigos de byte único usada em vários contextos regionais |
| 1047 | EBCDIC | Página frequentemente encontrada em ambientes z/OS e ferramentas de desenvolvimento |
| 1208 | Unicode UTF-8 | Codificação de comprimento variável, amplamente utilizada em integrações modernas |
A documentação da IBM identifica explicitamente os três.
O que distingue 037 e 1047?
Ambos representam caracteres em uma codificação EBCDIC de byte único.
Mas existem diferenças em determinados pontos de mapeamento.
Isso importa, por exemplo, para símbolos usados em linguagens de programação e ferramentas.
Não devemos concluir que todos os caracteres acentuados serão necessariamente perdidos ao converter entre essas duas páginas.
Também não devemos afirmar que as páginas são intercambiáveis em todos os bytes.
Por que 1208 é diferente?
CCSID 1208 identifica UTF-8.
Em UTF-8, caracteres ASCII básicos utilizam um byte.
Outros caracteres podem utilizar dois, três ou quatro bytes.
Isso permite representar um repertório muito mais amplo de caracteres do que uma página EBCDIC tradicional de byte único.
A armadilha
O número 1208 não é uma espécie de versão superior do 037.
São identificadores de codificações diferentes.
O processo de conversão deve conhecer a origem e o destino.
Não existe uma conversão confiável quando a codificação original é apenas uma suposição.
<WritingBlock id="58322" variant="document">## 🧪 Capítulo V — O nome João Gonçalves: quando os bytes contam uma história diferente
Vamos reproduzir o incidente.
O nome original é:
JOÃO GONÇALVES
A aplicação Java espera receber uma sequência UTF-8 que represente exatamente esses caracteres.
Mas o texto atravessou diferentes componentes.
Primeiro foi armazenado em um campo COBOL.
Depois foi enviado através do CICS.
Em seguida passou pelo Java.
Finalmente foi serializado em JSON.
O nome em UTF-8
Considere somente a palavra:
JOÃO
Os caracteres são:
J, O, Ã, O.
Em Unicode:
| Caractere | Ponto de código | UTF-8 hexadecimal |
|---|---|---|
| J | U+004A | 4A |
| O | U+004F | 4F |
| Ã | U+00C3 | C3 83 |
| O | U+004F | 4F |
Portanto, a palavra possui quatro caracteres Unicode e cinco bytes UTF-8.
Uma diferença pequena, mas fundamental.
A armadilha de interpretar os bytes novamente
Agora imagine que os bytes UTF-8 de à sejam tratados como caracteres da codificação Windows-1252.
A sequência C3 83 passa a ser interpretada como dois caracteres.
O resultado textual pode se transformar em:
Ã
Esse texto, se for novamente codificado em UTF-8, produzirá uma sequência maior que a original.
Esse tipo de erro é conhecido popularmente como mojibake: caracteres exibidos incorretamente porque os bytes foram decodificados com a codificação errada.
Uma distinção fundamental
A transformação exemplificada acima é UTF-8 interpretado como Windows-1252.
Ela não é, por si só, uma demonstração de conversão EBCDIC incorreta.
Num ambiente IBM Z real, precisamos examinar os bytes e os CCSIDs efetivamente utilizados para descobrir em qual fronteira aconteceu o erro.
Não devemos olhar para qualquer caractere estranho e concluir automaticamente:
“Foi culpa do EBCDIC.”
O perigo de converter duas vezes
Imagine o fluxo:
Texto original em EBCDIC.
Conversão adequada para UTF-8.
Uma segunda rotina interpreta os bytes UTF-8 como se estivessem em outra codificação.
A aplicação grava o resultado incorreto.
A operação de transporte pode continuar funcionando.
O erro já não está nos bytes originais.
Está no texto transformado por uma interpretação equivocada.
O que o investigador deve procurar?
Os bytes antes da primeira conversão.
O CCSID real da origem.
O CCSID declarado ao componente de conversão.
Os bytes após a conversão.
O texto interpretado pelo Java.
O resultado serializado para JSON.
O conteúdo efetivamente recebido pelo consumidor da API.
A primeira etapa em que o texto muda é a principal pista.
🐍 Capítulo VI — Caracteres perdidos: quando uma conversão não consegue ser desfeita
O veterano apresenta outro problema.
Nem todas as conversões são reversíveis.
Imagine um nome contendo um caractere que não existe no repertório da página de códigos de destino.
Quando uma aplicação tenta representar esse nome em uma codificação limitada, pode ocorrer uma condição de erro ou substituição, dependendo dos serviços e das opções utilizadas.
O caractere de substituição
Em algumas conversões, um caractere não representável pode ser substituído por outro símbolo.
O valor exato e o comportamento dependem do mecanismo.
Isso é especialmente perigoso quando a aplicação aceita o resultado sem registrar que uma substituição ocorreu.
O caso do emoji
Imagine um nome de exibição que contenha:
ANA 😊
UTF-8 pode representar o emoji.
Uma página EBCDIC tradicional de byte único não possui necessariamente um caractere equivalente.
Se a aplicação converter o texto para uma página incapaz de representá-lo e substituir o emoji por um símbolo genérico, a informação original poderá ser perdida.
Converter o resultado novamente para UTF-8 não restaura automaticamente o emoji desaparecido.
Perda irreversível
Uma cadeia de conversão pode produzir:
Original → substituição → armazenamento → leitura.
A última leitura pode ser tecnicamente correta.
Mas ela reproduzirá o valor substituído, e não o original.
É por isso que a IBM documenta os riscos de substituições durante processos de conversão e migração para Unicode.
Nomes reais também oferecem desafios
Nomes podem conter:
Acentos.
Cedilhas.
Hífens.
Apóstrofos.
Caracteres de diferentes alfabetos.
Marcas diacríticas.
E combinações que não pertencem ao repertório de uma página de códigos antiga.
Em sistemas de identificação de pessoas, isso não é um detalhe estético.
Uma transformação incorreta pode prejudicar pesquisas, conciliações e correspondências entre cadastros.
Se uma informação foi substituída durante a conversão, o sistema não consegue garantir sua reconstrução apenas convertendo os bytes novamente.
🏛️ Capítulo VII — CICS CHAR e BIT: o escriba deve conhecer o conteúdo
No episódio anterior, utilizamos cinco containers CICS.
Agora vamos aprofundar o tratamento de caracteres.
Um container pode ser classificado como CHAR ou BIT.
CHAR
Representa dados de caracteres.
O CICS oferece serviços de conversão entre codificações suportadas.
Por exemplo, podemos colocar texto em um container utilizando a opção FROMCCSID.
Depois, o receptor pode solicitar o conteúdo em outra codificação usando INTOCCSID.
BIT
Representa dados binários.
Não está sujeito ao mesmo mecanismo de conversão de caracteres.
É apropriado quando precisamos preservar a representação binária de um conteúdo como COMP-3, conforme o contrato.
Exemplo didático de PUT CONTAINER
EXEC CICS PUT CONTAINER('FIN-CLIENTE')
CHANNEL('FINCHAN')
FROM(WS-NOME)
FLENGTH(LENGTH OF WS-NOME)
FROMCCSID(WS-CCSID-ORIGEM)
RESP(WS-RESP)
END-EXECWS-CCSID-ORIGEM precisa conter o CCSID real dos bytes enviados.
Não basta inserir o número 037 porque o sistema está instalado no Brasil.
O CICS trata os dados como CHAR quando FROMCCSID é especificado.
Exemplo didático de GET CONTAINER
EXEC CICS GET CONTAINER('FIN-CLIENTE')
CHANNEL('FINCHAN')
INTO(WS-NOME-UTF8)
FLENGTH(WS-TAMANHO)
INTOCCSID(WS-CCSID-DESTINO)
RESP(WS-RESP)
END-EXECO CCSID de destino poderia ser 1208 se o projeto exigir UTF-8 e a conversão for suportada no ambiente.
O programa precisa dimensionar adequadamente a área de destino e tratar as condições de retorno.
A armadilha de FLENGTH
O comprimento do texto pode mudar após a conversão.
Um campo EBCDIC de dez caracteres pode ocupar dez bytes.
Sua representação UTF-8 poderá ocupar mais bytes se contiver determinados caracteres.
Portanto, não devemos confundir quantidade de caracteres com comprimento em bytes.
O cuidado com estruturas mistas
Um copybook que contém texto EBCDIC e números COMP-3 não deve ser enviado inteiro como CHAR na expectativa de que o CICS identifique automaticamente quais campos devem ser traduzidos.
O mecanismo não interpreta arbitrariamente o layout COBOL.
Ele segue as regras do container e do serviço de conversão.
Converter corretamente exige conhecer a origem, o destino e a natureza real dos dados.
☕ Capítulo VIII — Java: quando uma String não é um arquivo de bytes
O desenvolvedor Java apresenta sua implementação.
O programa recebe dados do CICS.
Depois cria um objeto de negócio.
Finalmente produz JSON.
O veterano pergunta:
— Você está tratando esses dados como String ou como byte[]?
O desenvolvedor responde:
— String.
— E em qual etapa os bytes foram decodificados?
Essa pergunta muda toda a investigação.
String Java
Uma String Java representa uma sequência de unidades de código UTF-16 e oferece métodos para trabalhar com texto Unicode.
Ela não é simplesmente um array UTF-8.
Quando uma aplicação Java lê dados externos, a decodificação dos bytes precisa ser compatível com a origem.
byte[]
Um byte[] contém bytes.
Sem conhecer a codificação, não podemos concluir qual texto esses bytes representam.
O mesmo array pode produzir textos distintos se for decodificado usando codificações diferentes.
O erro clássico
String nome = new String(bytes);Esse construtor utiliza a codificação padrão do ambiente Java.
Em ambientes modernos, essa codificação frequentemente será UTF-8, mas depender implicitamente dela não é adequado quando os dados possuem um contrato explícito.
Se os bytes forem EBCDIC, interpretá-los como UTF-8 poderá produzir resultados errados.
A abordagem conceitualmente correta
String nome = new String(
bytes,
java.nio.charset.Charset.forName("IBM037")
);Esse exemplo pressupõe que os bytes realmente utilizem IBM037 e que a implementação Java disponha desse charset.
Se forem IBM1047, a escolha precisará corresponder à codificação verdadeira.
Se já forem UTF-8, não devemos decodificá-los como EBCDIC.
O risco do conserto duplo
Imagine que a API JCICS já tenha retornado uma String corretamente convertida.
O desenvolvedor transforma essa String em bytes usando uma codificação e tenta reinterpretá-los por outra.
A nova etapa poderá introduzir o erro que não existia.
Por isso, o investigador precisa saber o que cada método já realizou.
Não se deve converter novamente um texto apenas porque ele veio de um mainframe.
📜 Capítulo IX — JSON: o documento moderno que também precisa respeitar a codificação
Agora chegamos à fronteira externa do banco.
Uma API envia uma resposta JSON.
Exemplo:
{
"transferencia": "FIN-990217",
"beneficiario": "João Gonçalves",
"valor": "1250000000.00",
"moeda": "BRL",
"status": "APPROVED"
}O campo valor foi representado como string decimal por escolha didática do contrato.
Outras arquiteturas podem utilizar números JSON, respeitando os limites de precisão dos consumidores.
JSON e Unicode
JSON representa dados textuais e sua interoperabilidade depende de regras padronizadas de codificação.
Na comunicação aberta entre sistemas, JSON deve utilizar UTF-8 segundo as regras atuais de interoperabilidade.
Mas um programa COBOL pode trabalhar internamente com uma representação diferente antes da serialização.
JSON GENERATE no Enterprise COBOL
O Enterprise COBOL oferece a instrução JSON GENERATE.
A documentação IBM descreve regras específicas de codificação para os documentos gerados, incluindo UTF-8 em determinados formatos de receptor.
Isso significa que o desenvolvedor precisa compreender o tipo do receptor e as opções utilizadas.
Não deve pressupor que o JSON terá sempre exatamente a mesma representação dos campos COBOL de origem.
O problema da dupla serialização
Imagine que o Java receba corretamente:
João Gonçalves
Depois gere uma resposta JSON por uma biblioteca apropriada.
Até aqui, a informação pode estar correta.
Mas uma camada posterior altera o cabeçalho de codificação ou interpreta incorretamente a sequência UTF-8.
O navegador recebe caracteres estranhos.
O problema pode estar na resposta HTTP ou em uma conversão intermediária, não necessariamente no Db2 ou no COBOL.
O que inspecionar?
A String antes da serialização.
Os bytes reais enviados pela API.
O cabeçalho Content-Type.
A codificação efetiva da resposta.
O comportamento do cliente consumidor.
E os logs de integração.
Um JSON sintaticamente válido não garante que os dados textuais tenham sido preservados desde a origem.
🔬 Laboratório — A Pedra de Roseta Digital
Experimente como a mesma palavra muda de representação sem necessariamente mudar de significado.
{@body const [palavra,setPalavra] = DIL.useState("JOÃO")}
{@body const exemplos = ["JOÃO","GONÇALVES","MAAT","AÇÃO","€","😊"]}
{@body const u8 = s => Array.from(s).flatMap(c=>{const x=c.codePointAt(0);if(x<128)return [x];if(x<2048)return [192|(x>>6),128|(x&63)];if(x<65536)return [224|(x>>12),128|((x>>6)&63),128|(x&63)];return [240|(x>>18),128|((x>>12)&63),128|((x>>6)&63),128|(x&63)]})}
{@body const hex = n=>n.toString(16).toUpperCase().padStart(2,"0")}
<box border radius="xl" padding={3} gap={3}>
<text weight="medium">Escolha um texto Unicode</text>
<radio-group direction="row" value={palavra} onChange={setPalavra}>
{#each exemplos as e}
<radio key={e} value={e}>{e}</radio>
{/each}
</radio-group>
<grid columns={2} gap={2}>
<grid-item>
<box background="surface-secondary" radius="lg" padding={3} gap={1}>
<caption>Caracteres Unicode</caption>
<title size="2xl" tabularNums>{Array.from(palavra).length}</title>
</box>
</grid-item>
<grid-item>
<box background="surface-secondary" radius="lg" padding={3} gap={1}>
<caption>Bytes UTF-8 • CCSID 1208</caption>
<title size="2xl" tabularNums>{u8(palavra).length}</title>
</box>
</grid-item>
</grid>
<box gap={2}>
<text weight="medium">Bytes UTF-8 em hexadecimal</text>
<row wrap="wrap" gap={1}>
{#each u8(palavra) as b,i}
<box key={i} background="surface-tertiary" border radius="sm" padding={2}>
<text weight="medium" tabularNums>{hex(b)}</text>
</box>
{/each}
</row>
<text size="sm" color="secondary">Pontos de código: {Array.from(palavra).map(c=>"U+"+c.codePointAt(0).toString(16).toUpperCase().padStart(4,"0")).join(" · ")}</text>
</box>
<divider color="subtle"/>
<text size="sm">UTF-8 representa todos esses exemplos Unicode. Já uma codificação EBCDIC tradicional de byte único possui repertório limitado, e a conversão precisa ser testada com a página de códigos concreta.</text>
<caption>Esta demonstração calcula UTF-8, não simula a codificação IBM037 ou IBM1047. Caracteres combinantes podem fazer a quantidade de caracteres percebidos visualmente diferir da contagem de pontos de código.</caption> </box>
<WritingBlock id="58323" variant="document">## 🔍 Capítulo X — A investigação forense: como descobrir onde o nome foi transformado
O veterano reúne os especialistas.
— Precisamos parar de procurar o culpado pela aparência do texto. Vamos identificar a primeira fronteira onde a informação mudou.
Primeira etapa — Preservar a origem
A equipe identifica o valor autorizado do nome.
Não basta copiar aquilo que aparece incorretamente no relatório.
É necessário encontrar uma fonte confiável: cadastro original, mensagem recebida, registro de origem ou outra evidência independente.
Segunda etapa — Examinar os bytes no COBOL
O campo alfanumérico é analisado segundo seu layout e sua codificação real.
É preciso verificar se o texto está correto antes de entrar no CICS.
Um dump hexadecimal controlado pode ajudar.
Mas esse tipo de coleta exige cuidados para não expor dados pessoais ou financeiros em logs de diagnóstico.
Terceira etapa — Examinar o container CICS
Verifique o nome do container.
Seu DATATYPE.
O CCSID de origem.
O comprimento.
E os resultados das operações PUT e GET.
Se houver conversão, determine quais codificações foram solicitadas.
Quarta etapa — Examinar o Java
A equipe verifica se os dados chegaram como String ou byte[].
Se houve uma decodificação explícita, qual charset foi utilizado?
Se a API JCICS já realizou a conversão, existe outra transformação posterior?
Quinta etapa — Examinar a serialização JSON
Antes de gerar os bytes da resposta, a aplicação ainda possui o nome correto?
O serializador produz UTF-8?
O contrato da API especifica a representação apropriada?
Sexta etapa — Examinar o consumidor externo
A resposta chega com os bytes esperados?
O cliente interpreta a codificação correta?
Existe uma aplicação intermediária executando outra conversão?
Sétima etapa — Identificar a primeira divergência
O objetivo é localizar o primeiro ponto em que:
JOÃO
deixa de representar os caracteres originais.
Se a informação já aparece errada no COBOL, investigar exclusivamente o Java não resolverá a causa.
Se permanece correta até a serialização JSON, o Db2 pode não ter qualquer relação com a transformação.
O papel dos hashes
Comparar hashes de bytes pode ajudar quando precisamos detectar alterações exatas na representação binária.
Mas uma conversão legítima de EBCDIC para UTF-8 altera os bytes, mesmo preservando os caracteres.
Portanto, o hash bruto não deve ser utilizado como único critério de equivalência textual entre codificações diferentes.
Podemos comparar o texto após decodificação controlada e, quando exigido pelo contrato, após uma normalização Unicode definida.
A investigação precisa distinguir igualdade de bytes, igualdade de caracteres e equivalência de identidade empresarial.
🧩 Capítulo XI — Unicode NFC e NFD: quando dois nomes iguais possuem bytes diferentes
O programador encontra outra surpresa.
Dois textos aparecem visualmente iguais.
Mas a comparação byte a byte produz resultados diferentes.
Como isso é possível?
Unicode permite representar determinadas sequências textuais de maneiras diferentes.
Considere a letra é.
Ela pode ser representada como um único ponto de código:
U+00E9
Ou como uma sequência contendo:
U+0065 — letra e.
U+0301 — acento agudo combinante.
Essas sequências podem parecer idênticas ao leitor.
Mas possuem pontos de código e sequências UTF-8 diferentes.
Normalização Unicode
Unicode define formas de normalização, como NFC e NFD.
NFC utiliza uma forma de composição canônica.
NFD utiliza uma forma de decomposição canônica.
Elas permitem tratar determinadas equivalências de representação de maneira consistente.
O perigo para o cadastro
Imagine duas aplicações.
Uma grava um nome em NFC.
Outra grava uma sequência canonicamente equivalente em NFD.
Se o sistema comparar somente os bytes, poderá considerar os registros diferentes.
A solução é remover os acentos?
Não necessariamente.
Remover acentos pode alterar nomes legítimos e produzir colisões entre pessoas diferentes.
A normalização Unicode é diferente da remoção indiscriminada de diacríticos.
E quanto a maiúsculas?
Converter nomes para maiúsculas também exige atenção às regras linguísticas.
Nem todas as transformações de caixa são triviais para todos os idiomas.
A identidade precisa de um identificador confiável
Em nosso banco fictício, a transferência deve utilizar identificadores de cliente definidos pelo negócio.
O nome pode servir como atributo de identificação e conferência.
Mas não deveria ser a única chave técnica para determinar a conta financeira de destino.
A grafia pode mudar.
A pessoa pode alterar legalmente seu nome.
Diferentes pessoas podem possuir nomes iguais.
Por isso, o tratamento de Unicode precisa estar associado a uma arquitetura de identidade adequada.
🛡️ Capítulo XII — Quando um nome errado vira um incidente de segurança
O gerente pergunta:
— Se o dinheiro foi enviado à conta correta, por que precisamos investigar tanto o nome?
O veterano responde:
— Porque sistemas financeiros dependem de identidade, rastreabilidade e reconciliação.
Imagine uma operação com nome corrompido.
O identificador bancário pode continuar correto.
Mas o sistema de auditoria não consegue correlacionar adequadamente o nome apresentado com o cadastro autorizado.
Uma ferramenta antifraude pode receber um valor diferente daquele esperado.
Uma equipe operacional pode abrir uma investigação desnecessária.
Ou uma busca nominal pode deixar de localizar um registro.
Cuidado com conclusões precipitadas
Não devemos afirmar que qualquer alteração de acento provocará automaticamente fraude, rejeição de transferência ou falha de compliance.
O impacto depende das regras dos sistemas envolvidos.
Mas divergências de texto podem comprometer controles de identificação quando esses controles utilizam os campos afetados.
Três medidas importantes
A primeira é preservar os identificadores técnicos e empresariais autorizados.
A segunda é manter contratos claros de representação textual.
A terceira é registrar evidências suficientes para detectar alterações inesperadas sem expor desnecessariamente informações pessoais.
A lição de RACF
RACF pode controlar acessos e fornecer informações de auditoria conforme a configuração.
Mas não verifica automaticamente se uma aplicação transformou um nome Unicode de maneira semanticamente correta.
Segurança de acesso e integridade de conteúdo são dimensões diferentes.
🥚 Capítulo XIII — Dez segredos da Pedra de Roseta digital
1 — Unicode não é sinônimo de UTF-8. UTF-8 é uma forma de codificar Unicode.
2 — EBCDIC não possui uma única página universal. CCSIDs diferentes podem possuir mapeamentos distintos.
3 — CCSID 037 e 1047 não são nomes intercambiáveis. É necessário utilizar o identificador correspondente à origem real.
4 — CCSID 1208 representa UTF-8. Seu comprimento em bytes varia conforme os caracteres.
5 — Um acento pode aumentar o comprimento UTF-8. O número de bytes não corresponde sempre ao número de caracteres.
6 — CHAR e BIT não representam a mesma responsabilidade. A conversão de caracteres não deve transformar indiscriminadamente dados binários.
7 — Java String não é um arquivo EBCDIC nem um array UTF-8. Ela representa texto, e a transformação em bytes exige uma codificação.
8 — JSON válido pode conter um nome errado. Sintaxe correta não garante que a informação original foi preservada.
9 — Converter novamente não recupera necessariamente caracteres substituídos. Se houve perda irreversível, precisamos de uma fonte original confiável.
10 — Dois nomes visualmente idênticos podem possuir sequências Unicode diferentes. A normalização e as regras de comparação precisam ser definidas.
⚖️ Capítulo XIV — O julgamento de Thoth: quem mudou a identidade do cliente?
O tribunal está aberto.
O COBOL apresenta o cadastro original.
O CICS apresenta os dados do channel.
O Java apresenta a String recebida.
A API apresenta a resposta JSON.
O Db2 apresenta os registros de negócio.
Thoth, nosso escriba simbólico, examina a sequência de transformações.
O resultado da investigação
No cenário fictício, o nome estava correto na origem.
A primeira conversão para UTF-8 havia preservado a informação.
O erro aconteceu depois, quando uma rotina intermediária interpretou novamente os bytes UTF-8 utilizando uma codificação incompatível.
O texto resultante foi armazenado e transmitido como se fosse a informação correta.
Não houve evidência de que a transação financeira tivesse sido alterada.
Mas o nome exibido deixou de corresponder ao cadastro.
A correção
A equipe eliminou a interpretação redundante.
Documentou os CCSIDs utilizados em cada fronteira.
Introduziu testes com nomes acentuados.
Separou conteúdo textual e binário.
Validou o JSON produzido.
Criou testes de ida e volta entre os formatos suportados.
E estabeleceu uma política explícita de normalização Unicode para os campos em que ela era apropriada.
O veredito
O gerente pergunta:
— Então foi o EBCDIC que mudou o nome?
— Não. O problema demonstrado foi a interpretação inadequada de bytes já codificados em UTF-8.
— Mas o mainframe continuou funcionando!
— Sim. O funcionamento da infraestrutura não garante que todas as transformações de dados de uma aplicação estejam corretas.
— E como impedimos isso de acontecer novamente?
— Tratando a codificação como parte do contrato, não como uma escolha implícita de cada programa.
☕ Epílogo — 03h17: Thoth finalmente reconheceu o verdadeiro nome
O Banco de Mênfis conclui os testes.
O cadastro original continua preservado.
O COBOL produz os dados conforme seu contrato.
O CICS aplica os mecanismos de conversão apropriados.
O Java recebe os caracteres corretos.
O JSON transporta o nome em UTF-8.
O consumidor exibe:
JOÃO GONÇALVES
O gerente sorri.
— Finalmente encontramos o cliente!
O veterano responde:
— Encontramos a etapa que alterava a representação do nome.
— Então a Pedra de Roseta resolveu o problema?
— A metáfora nos ensinou a procurar o sistema de escrita correto para cada inscrição.
— E o segredo de Thoth?
— Não basta preservar uma sequência de símbolos. É necessário conhecer as regras que permitem interpretá-los.
O programador fecha o livro de arqueologia.
Na imagem, três inscrições aparecem sobre a mesma pedra.
Hieróglifos.
Demótico.
Grego.
Diferentes sistemas de escrita permitiram que estudiosos recuperassem conhecimentos perdidos havia séculos.
No laboratório, diferentes codificações foram reconciliadas para preservar os caracteres originais de um nome.
O relógio marca 03h17.
O veterano termina seu café.
E registra:
O pior erro de codificação nem sempre é aquele que impede um sistema de funcionar. Às vezes é aquele que permite a operação continuar enquanto o significado dos dados se perde pelo caminho.
🏺 A última lição do Mestre Jedi do Mainframe
EBCDIC representa uma família histórica de codificações utilizada em sistemas IBM.
CCSID 037 e 1047 identificam páginas EBCDIC distintas.
CCSID 1208 identifica UTF-8.
Unicode permite representar caracteres de diferentes sistemas de escrita.
CICS fornece conversão apropriada para containers de caracteres.
Java exige uma interpretação coerente entre bytes e strings.
Db2 possui mecanismos de codificação e conversão que precisam ser configurados e compreendidos.
JSON permite transmitir informações textuais modernas, mas não repara automaticamente caracteres corrompidos antes da serialização.
E os sistemas financeiros precisam preservar tanto a representação quanto a identidade empresarial.
Porque a verdadeira Pedra de Roseta do IBM Z não é um conversor milagroso de bytes. É um contrato explícito que permite a cada sistema interpretar os caracteres como foram originalmente concebidos.
☕ Bellacosa Mainframe — Onde Thoth traduz os papiros, Tutancâmon protege os registros, Anúbis vigia as fronteiras entre sistemas e o COBOL aprende que uma letra pode sobreviver a milhares de anos, mas também pode se perder numa única conversão mal configurada.









