Kodierungsformate

Kodierungsformate, auch Zeichensatzkodierungen genannt, sind Verfahren, um Zeichen in eine digitale Folge von Bits zu übersetzen. Sie legen fest, welcher Bitmuster welchem Zeichen entspricht und wie mehrsprachige Zeichen behandelt werden. Sie betreffen Textdaten ebenso wie andere Daten, die als Zeichenfolgen interpretiert werden.

Zu den verbreiteten Kodierungsformaten für Zeichen gehören ASCII, ISO-8859-1, Windows-1252 sowie die Unicode-Familie UTF-8, UTF-16 und UTF-32. Unicode zielt darauf ab, alle Schriftzeichen abzubilden, während UTF-8 eine variable Länge nutzt und ASCII-kompatibel bleibt. UTF-16 und UTF-32 unterscheiden sich zudem in der Byte-Reihenfolge und können Byte Order Marks verwenden.

Unicode ist der standardisierte Rahmen für Textkodierungen in modernen Systemen. UTF-8 ist der De-facto-Standard im Web. In Dateien und Protokollen werden oft Metadaten angegeben, die den Zeichensatz festlegen (z. B. charset in HTTP oder meta charset in HTML). Um Vergleiche von Text zu erleichtern, kommen Normalformen wie NFC häufig zum Einsatz.

Neben Zeichensätzen gibt es Encoder-Formate für binäre Daten wie Base64; auch Quoted-Printable oder URL-Encoding dienen der sicheren Darstellung von Text in bestimmten Kontexten.

Praktische Hinweise: Es ist ratsam, das Encoding entsprechend der Zielplattformen auszuwählen und in Anwendungen zu deklarieren. Das Mischen unterschiedlicher Kodierungen sollte vermieden werden, und Texte sollten auf falsche Deklarationen oder das Auftreten von Mojibake geprüft werden.