NichtASCIIZeichen

NichtASCIIZeichen bezeichnen Zeichen, die nicht dem ASCII-Zeichensatz entsprechen. ASCII ist ein 7-Bit-Zeichensatz, der 128 Codepunkte umfasst: Steuerzeichen 0 bis 31 und 127 sowie die druckbaren Zeichen 32 bis 126. Zeichen außerhalb dieses Bereichs gelten als NichtASCIIZeichen. Dazu gehören Buchstaben mit Akzenten wie é oder ö, kyrillische, griechische oder chinesische Schriftzeichen, mathematische Symbole, Emoji und viele weitere Zeichen.

Zur universellen Repräsentation wurden Unicode und darauf basierende Codierungen entwickelt. Unicode definiert einen global konsistenten Satz von Codepunkten, der praktisch alle Schriftsysteme der Welt abbildet. Die gängigste Codierung im Web und in modernen Anwendungen ist UTF-8, das ASCII-Kompatibilität bewahrt und NichtASCIIZeichen mit zwei bis vier Bytes codiert. Andere Codierungen wie UTF-16 oder ISO/IEC 8859-1 sind je nach Kontext noch in Verwendung.

Praktisch bedeutet dies, dass Texte, die NichtASCIIZeichen enthalten, je nach System, Encoding-Einstellungen und Schriftarten unterschiedlich gespeichert oder dargestellt werden können. Fehler beim Dekodieren oder Inkonsistenzen zwischen Kodierung und Dekodierung verursachen Mojibake. Die richtige Handhabung setzt daher Unicode, eine klare Encoding-Deklaration (etwa in Dateien oder über HTTP) sowie geeignete Schriftarten voraus. Zusätzlich können Texte normalisiert werden (Unicode-Normalformen wie NFC/NFD), um Vergleiche und Sortierungen zu erleichtern.

Beispiele für NichtASCIIZeichen umfassen Buchstaben wie ä, ö, ü, å sowie Skripte wie Русский, 汉字 und Emoji. Der Umgang mit solchen Zeichen ist zentral für Internationalisierung, Lokalisierung und plattformübergreifende Softwareentwicklung.