Koodipiste

Koodipiste on termi, jolla tarkoitetaan Unicode- tai muun merkkijonojärjestelmän abstraktia arvopistettä, joka vastaa yksittäistä merkkityyppiä. Se on kokonaisluku, jonka Unicode-standardi varaa kullekin kirjoitusjärjestelmän merkkille tai symboleille. Unicode-koodipisteiden arvojoukko ulottuu 0:sta 0x10FFFF:aan, ja surrogaattilohkoja (D800–DFFF) ei ole varsinaisia koodipisteitä, vaan niitä käytetään UTF-16-merkistömuunnoksessa yhdistämään laajempia koodipisteitä. Koodipisteet kirjoitetaan usein muodossa U+XXXX tai U+YYYYY.

Koodipiste muodostaa merkkien perusrakenteen, mutta se on abstrakti käsite. Sietokyvyn ja merkistömuunnosten toteuttavat koodaukset, kuten UTF-8, UTF-16 ja UTF-32, jotka määrittävät kuinka koodipisteet muutetaan byteiksi tai 16-bittisiksi yksiköiksi. Esimerkiksi koodipiste U+0041 (merkki A) koodataan UTF-8:iin yksittäiseksi byteiksi 41, UTF-16:iin sekä 16-bittisen yksikön 0041, ja UTF-32:iin 00 00 00 41. Koodipiste U+20AC (euro) koodataan UTF-8:iin 2E 82 AC, ja U+1F600 (grinnykkäamp tu) UTF-8:iin F0 9F 98 80; UTF-16: D83D DE00.

Merkittäviä eroja ovat koodipisteen käsite versus koodiyksikkö (esim. UTF-16:n surrogaattilohkot). Koodipisteeseen voidaan viitata U+XXXX -notationilla, ja ne muodostavat Unicode-koodin tilan, jonka osia ovat käytännön koodaukset ja merkkien normalisointi sekä yhteensopivuuskäytännöt. Unicode-standardi määrittelee koodipisteiden rakenteen, ehdot ja virhetilanteet sekä jotka merkit ovat sallittuja tai varattuja.

---