Bokstavkarakterer

Bokstavkarakterer er grapheme-enheter som brukes som byggesteiner i skrift. De representerer ofte lyder eller fonemer i et skriftsystem og finnes i både store og små bokstaver. Bokstavkarakterer skiller seg fra sifre, tegnsetting og tegn som symboler ved at de vanligvis utgjør kjernen i ord og grammatikk. Mange språk har et alfabet eller annet system der bokstavene er den grunnleggende enheten for å skrive ord.

I digital tekst lagres bokstavkarakterer som tegn i Unicode-standarden. Unicode grupperer bokstaver i kategorien Letter (Lu, Ll, Lt, Lm, Lo). Noen bokstaver består av et enkelt kodepunkt, mens andre består av basebokstav pluss diakritiske tegn eller sammensatte tegn (f.eks. ligaturer eller kombinerte diakritika). Ved normalisering kan sammensatte tegn bli fordelt slik at representasjonen blir konsistent, og man bruker standardene NFC/NFD for å sikre dette.

Et skriftsystem kan bruke et alfabet, et utvidet alfabet eller andre former som logografier og sylabærer. Ett språk kan ha mange bokstaver, diakritiske tegn og ligaturer. Noen diakritikker er integrert i bokstaven (som å, ø, æ i norsk), mens andre er separate tegn som kombineres med basebokstaven.

Betydningen av bokstavkarakterer blir tydelig i tekstbehandling og språkteknologi. Sortering, søk, komponentanalyse og tekstklassifisering avhenger av hvordan bokstavene behandles og om diakritikk tas med eller ignoreres. I programmering og databaser håndteres bokstavkarakterer ofte med locale-innstillinger og normalisering for å sikre konsistente resultater.

Eksempler inkluderer latinske bokstaver A–Z og a–z, samt diakritiske varianter som é, ñ, ö, å, æ, ø. I andre skriftsystem finnes Cyrillic-bokstaver (А–я) og greske bokstaver (Α–Ω).