Teckenättning

Teckenättning är den metod som används för att representera och överföra text i digitala system genom att varje tecken tilldelas en numerisk kod och lagras eller överförs som bytes. Begreppet innefattar två delar: teckenuppsättning, det vill säga vilka tecken som stöds, och teckenättning, hur dessa tecken kodas i bytes. Historiskt finns exempelvis ASCII (7-bitars) och olika ISO/IEC 8859‑serier som utvidgade ASCII med regionala tecken.

Under senare tid har Unicode blivit dominerande som ett universellt system för att representera skrivtecken från de flesta skriftsystem. Inom Unicode används olika kodningar, där de mest uppmärksammade är UTF-8, UTF-16 och UTF-32. UTF-8 är en variabellängd kodning som är bakåtkompatibel med ASCII och är vanligt förekommande i webbmiljöer och moderna programvaror. UTF-16 används ofta i vissa operativsystem och programmeringsmiljöer och innebär flerbytesrepresentation men kan kräva hänsyn till teckenordning (endianness).

Att hantera teckenättning korrekt är viktigt för att undvika problem som mojibake, dataförlust vid konvertering och felaktig textbehandling. För nya projekt rekommenderas oftast Unicode med UTF-8 som standard, samt att tydligt ange teckenättningen i filer, protokoll (till exempel HTTP, XML, JSON) och databaser. Vid migration av äldre data bör teckenättningen kartläggas och konverteras på ett sätt som bevarar informationens integritet.

Sammanfattningsvis är teckenättning central för korrekt textförståelse över språkgränser och plattformar, där Unicode och UTF-8 i praktiken fungerar som den rådande normen.