Teckenuppsättningar

Teckenuppsättningar, eller teckenkodningar, är grupper av tecken som ett datorprogram eller ett kommunikationssystem kan använda och känna igen. En teckenuppsättning anger vilka tecken som finns tillgängliga, samt hur varje tecken representeras i data - oftast som ett antal bytes eller bitar i en viss kodning. Syftet är att möjliggöra lagring, överföring och visning av text i olika språk och skriftsystem.

Historiskt har olika system haft egna teckenuppsättningar. En av de mest grundläggande är ASCII, en 7-bitars uppsättning som innehåller engelska bokstäver, siffror och några kontrolltecken. För att stödja fler språk utvecklades utvidgningar som ISO/IEC 8859-serien (kända som Latin-1 och liknande) samt olika regionala varianter som Windows-1252 eller MacRoman. Varje uppsättning begränsade antalet tecken och kunde leda till problem när text behövde utbytas mellan system.

Idag dominerar Unicode som universell teckenuppsättning. Unicode definierar miljontals tecken och förenar nästan alla skriftsystem som används i världen. För att lagra och överföra denna uppsättning används olika encodings, mest vanligt är UTF-8, följt av UTF-16 och UTF-32. UTF-8 är bakåtkompatibelt med ASCII och är allmänt använt på webben och i moderna applikationer.

Teckenuppsättningar och teckenkodningar är olika saker: teckenuppsättningen beskriver vilka tecken som finns, medan koden används för hur dessa tecken lagras och överförs. Renderingen av tecken till symboler görs av teckensnitt, vilket är en grafisk representation och separeras från själva kodningen.

Praktiska konsekvenser inkluderar behovet av att specificera teckenkodningen i filer och protokoll för att undvika missvisningar eller mojibake när text används över olika plattformar och system.