Merkkikoodien

Merkkikoodit ovat järjestelmiä, joiden avulla teksti tallennetaan ja lähetetään digitaalisesti. Ne määrittelevät sekä käytettävän merkkijoukon että tavan, jolla kunkin merkin arvo esitetään bitteinä tai tavuina. Merkkikoodit vaikuttavat sekä tallennuksen tilaan että tiedon siirron yhteentoimivuuteen eri järjestelmien välillä. Oikea koodaus varmistaa, että sama merkkijono näkyy eri ohjelmissa ja laitteissa samoilla merkeillä.

Varhaiset järjestelmät käyttivät 7-bittistä ASCII-merkistöä, joka kattoi pääosin englanninkielisen aakkoston. 8-bittiset laajennukset kuten ISO/IEC 8859-1 lisäsivät eurooppalaisia merkkejä. Erilliset järjestelmät, kuten IBM:n EBCDIC, käytettiin mainframe-ympäristöissä. Yhteentoimivuuden parantamiseksi kehitettiin universaali merkkijoukko, Unicode, joka kattaa käytettävissä olevat merkit kaikista kirjoitusjärjestelmistä. Sen koodauksista yleisimmät ovat UTF-8, UTF-16 ja UTF-32. UTF-8 on muuttupituinen ja yhteensopiva ASCII:n kanssa; UTF-16 ja UTF-32 käyttävät 16 tai 32 bittiä merkin koodeihin, ja niillä on oltava loppuun asti otettavia byte-jarjestelyjä (endianness).

Valinta koodauksen välillä vaikuttaa datan tallennukseen, ohjelmien toimintaan ja tiedonsiirtoon. Eri koodaukset voivat johtaa mojibakeksi nimeämän tuloksen, jos teksti muutetaan väärin tai vastaanotetaan väärin tulkittuna. Nykyisin suurin osa ohjelmistoista ja verkkopalveluista käyttää Unicodea, usein UTF-8, mikä helpottaa kansainvälisesti kirjoitettua tekstiä. Koodauksen hallinta liittyy myös merkkien normalisointiin ja tiedostojen siirtoon eri järjestelmien välillä, erityisesti säilyttäen alkuperäisen merkkijoukon.