Koodikohtien

Koodikohtien ovat merkkijärjestelmissä käytettyjä peruskäsitteitä. Ne ovat abstrakteja kokonaislukuja, joiden avulla yksittäinen merkki, symboli tai ohjausmerkki voidaan identifioida ja käsitellä tietokoneessa. Unicode- ja muut standardoidut merkkijärjestelmät määrittelevät koodikohtien kokonaisuuden sekä sen, millaisia merkkejä niiden kautta voidaan esittää.

Koodikohtia merkitään yleisesti notaatiossa U+XXXX, jossa X on heksadesimaalisia numeroita. Koodikohtien arvo on 0x0000–0x10FFFF, ja ne on jaettu planeihin, kuten Basic Multilingual Plane (BMP, 0x0000–0xFFFF).

Eri tekstin esitystavat mahdollistavat koodikohtien tallentamisen binäärisesti: UTF-8, UTF-16 ja UTF-32. Esimerkkejä: U+0041 vastaa Latin capital letter A, UTF-8: 41, UTF-16: 0041, UTF-32: 00000041. Toinen esimerkki, U+1F600 (grinning face), UTF-8: F0 9F 98 80; UTF-16: D83D DE00; UTF-32: 0001F600.

Koodikohtien lisäksi teksteihin liittyy yhdistelmämerkkejä ja normalisointi. Koodikohtien tasolla toteutetut prosessit kuten NFC, NFD, NFKC ja NFKD vaikuttavat siihen, miten merkkijono jaetaan ja tallennetaan sekä miten merkkejä voidaan vertailtavasti käsitellä. Tämä korostaa koodikohtien perustavaa laatua tekstin tallennuksessa ja vertailussa.

Historia ja käyttö: Unicode-standardi kehitettiin 1990-luvulla ja ylläpidetään yleisesti käytössä maailmanlaajuisena merkkijärjestelmänä. Koodikohtien käsittely on keskeinen osa ohjelmointia, merkkien tallennusta ja tekstin käsittelyä monissa sovelluksissa.