Teckenmängd

Teckenmängd är en avgränsad uppsättning tecken som används vid textbehandling och kommunikation, ofta tillsammans med en kodning. Den anger vilka tecken som får ingå och vilka numeriska koder som används för att referera till varje tecken. I praktiken beskriver en teckenmängd vad som får lagras och utbytas som text i ett system.

Skillnaden mellan teckenmängd och teckenkodning är central. En teckenmängd definierar vilka tecken som finns och hur de identifieras i teorin. Teckenkodning beskriver hur dessa tecken ska representeras som bytes i lagring och kommunikation. ASCII är en klassisk 7-bitars teckenmängd; Unicode är ett mycket större uppsättning tecken som ligger till grund för modern global text. Vanliga encodings för Unicode är UTF-8, UTF-16 och UTF-32, där UTF-8 är bakåtkompatibel med ASCII och effektivt för blandade språk.

Praktiska konsekvenser och exempel. Användning av teckenmängd påverkar språkstöd, datautbyte och internationell interoperabilitet. Olika plattformar och programvaror måste överenskomma om teckenmängd och encoding för att undvika teckenfel och felaktig rendering. Unicode med UTF-8 har blivit standard inom många områden, inklusive webben, databaser och operativsystem. Vid nyutveckling rekommenderas ofta Unicode med UTF-8 för bredast täckning.