Merkistöjen

Merkistö tarkoittaa merkkien sekä niiden koodauksen kokonaisuutta, jolla teksti esitetään tietokoneessa. Käytännössä merkistö määrittää, mitkä merkit ovat sallittuja ja miten ne muunnetaan numeerisiin koodeihin. Eri järjestelmissä voi olla erilaisia merkistöjä sekä koodausstandardeja; siksi sama teksti voi tallentua eri tavoin riippuen siitä, mitä merkistöä käytetään.

Historia ja tyypit: Varhaiset merkistöt olivat 7-bittisiä, kuten ASCII, joka tarjosi 128 merkkiä. Laajennetut merkistöt, kuten ISO/IEC 8859-1 (Latin-1) ja Windows-1252, lisäsivät eurooppalaisia merkkejä. EBCDIC oli IBM:n päämerkistö useilla vanhemmilla järjestelmillä. Nykyisin suurin osa teksteistä tallennetaan Unicode-merkistön piiriin, mikä mahdollistaa useiden kirjoitusjärjestelmien yhteensopivuuden yhdellä merkkimäärityksellä.

Unicode ja encodings: Unicode-standardi määrittelee koodipisteet käytännössä kaikille kirjoitusjärjestelmille ja symbolisarjoille. Erilaisia merkistönkoodausmuotoja ovat UTF-8, UTF-16 ja UTF-32. UTF-8 on yleisin sekä verkkosivuilla että ohjelmistoissa; se on ASCII-yhteensopiva ja käyttää muuttuvaa pituutta. UTF-16 ja UTF-32 ovat myös käytössä, erityisesti sovelluksissa, joissa tarvitaan tasainen käsittely.

Käytännön merkitys: Oikean merkistön valinta on tärkeä tiedon oikean esittämisen, siirron ja tallennuksen kannalta. Väärä merkistö voi johtaa mojibakeen eli väärin esitettyyn tekstiin. Tekstin käsittelyyn liittyy ominaisuuksia kuten normalisointi ja bidirectional-teksti (RTL/LTR) sekä fonttien vaikutus näkymään. Fontti vaikuttaa ulkoasuun, mutta ei määritä merkistöä.