Coderingsformaat

Coderingsformaat, of encoding, verwijst naar de manier waarop karakters uit een tekenset worden omgezet in bytes zodat ze kunnen worden opgeslagen of verzonden en later weer kunnen worden hersteld. Een coderingsformaat bepaalt hoe elke tekenwaarde wordt weergegeven als een reeks bytes en hoe die bytes bij de weergave van tekst geïnterpreteerd worden. Een belangrijk onderscheid is tussen de tekenset (bijv. Unicode) en de encoderingsmethode (bijv. UTF-8, UTF-16, UTF-32).

Veelgebruikte encodings zijn ASCII (7-bit, beperkt tot basisletters en symbolen), ISO-8859-1, Windows-1252, en de Unicode-encodings UTF-8, UTF-16 en UTF-32. UTF-8 is variabel in lengte en compatibel met ASCII, waardoor het de dominante keuze is voor het web en moderne documenten. UTF-16 en UTF-32 gebruiken meer reguliere lengtes en kennen endianness via de bytevolgorde; een byte-order mark (BOM) kan soms worden gebruikt om een specifieke volgorde aan te geven.

Het coderingsformaat beïnvloedt interoperabiliteit. Als tekensets en encodings niet overeenkomen tussen systemen of bestanden, kunnen tekens verkeerd worden weergegeven (mojibake). Daarom is het essentieel het encoding expliciet te melden bij gegevensuitwisseling, bijvoorbeeld via HTTP-headers, XML- of JSON-prologs, of bestandsmetadata, en bij voorkeur UTF-8 te gebruiken.

Zie ook: Unicode, UTF-8, UTF-16, byte order mark, mojibake, tekencodering.