Tekstanotasjon

Tekstanotasjon er systemer og konvensjoner for å representere tekst og tekstdata i skriftlig form. Det omfatter tegnsett, transkripsjon, translitterasjon og markup som gir struktur, tegn- og presentasjonsinformasjon til tekster og språkdata. Notasjonen gjør det mulig å lagre, dele og analysere tekst på tvers av plattformer og språk.

Historisk utviklet notasjon seg fra trykt typografi til digitale encodings. ASCII var tidlig standard for enkel tekst, mens Unicode (og ISO/IEC 10646) nå gir bred støtte for menneskespråk og skriftsystemer, og muliggjør internasjonal interoperabilitet.

Hovedområder inkluderer: tegnsett og koding (ASCII, Unicode, normalisering som NFC/NFD); fonetisk og fonemisk notasjon (IPA, SAMPA); transliterasjon og romanisering mellom skriftsystemer; tekstmarkering og strukturnotasjon (SGML, XML, TEI, HTML); og tekstsetning og presentasjonsnotasjon (LaTeX, TeX, troff, CSS).

Bruksområder er brede: lingvistikken for transkripsjon og annotasjon, arkiv- og forskningsprosjekter som krever maskinlesbar tekstdatat, og publisering der struktur og formatering må bevares ved lagring og distribusjon.

Utfordringer omfatter konvertering mellom encodings, karakterfeil (mojibake), behov for normalisering og tegnsstandardisering for å sikre konsistens og interoperabilitet.

Relaterte emner inkluderer Unicode, IPA, TEI, XML og LaTeX.