Koodipisteistä

Koodipisteistä on termi, jota käytetään Unicode-standardeissa yksittäisten merkkien ohjelmalliselle identifioinnille. Koodipiste kuvaa merkin arvoa eikä suoraan sen visuaalista ulkoasua. Jokaisella koodipisteellä on yksilöllinen nimi ja korvamerkintä, kuten U+0041 tai U+1F600.

Koodipisteet kattavat arvot 0x0000–0x10FFFF. Suurin osa arvoista kuuluu Basic Multilingual Plain (BMP) -alueelle 0x0000–0xFFFF, mutta lisämerkkejä on 0x10000–0x10FFFF. Käytännössä osa BMP:n arvoista on varattuja tai ei-merkkimuotoisia. UTF-16 -koodauksessa koodipisteet voivat beytioa kuviin 16-bittisiksi yksiköiksi: osa koostuu yhdestä 16-bittisestä yksiköstä, osa kahdesta, jolloin toisen yksikön toimivat surrogaattilohkioina.

Surrogaattilohkot ovat erillisiä 16-bittisiä yksiköitä, joita käytetään suojanlaadun laajentamiseen. High surrogates (0xD800–0xDBFF) ja low surrogates (0xDC00–0xDFFF) eivät itsessään ole täysiä koodipisteitä, vaan ne muodostavat yhdessä täydellisen koodipisteen 0x10000–0x10FFFF UTF-16:ssa.

Esimerkkejä koodipisteistä: U+0041 on merkki 'A', U+1F600 on grinning face -emojimerkki. Koodipisteet esitetään usein muodossa U+XXXX tai U+YYYYYY. Eri koodausmuodot muuntavat koodipisteen näytettäväksi merkiksi tai merkkijonoksi: UTF-8, UTF-16 ja UTF-32.

Käyttö ja käsittely tummentavat, että koodipisteet ovat informaatioyksiköitä, joilla voidaan tallentaa, siirtää ja käsitellä tekstiä ohjelmallisesti riippumatta sen visuaalisesta esityksestä. |