Tekstikodeeringud

Tekstikodeeringud (ka karakterkodeeringud) on standardid, mis määravad, kuidas kirjas olevad märgid kodeeritakse bittideks ja kuidas neid andmeid hoitakse ning edastatakse arvutites, võrkudes ja failides. Iga märgi jaoks määratakse koodipunkt või kombinatsioon koodipunkte, mis võimaldab sama märki erinevates süsteemides ühtselt esitada. Kodeeringud võimaldavad teksti säilitada ja üle kanda kindlas vormis, olenemata riigist või keelest.

Kõige olulisem ja laialdasem kasutusel olev standard on Unicode, mis püüab ühtlustada märgid kõigis keeltes. Praktikas kasutatakse sageli UTF-8, UTF-16 või UTF-32, kus UTF-8 on muutuv pikkusega kodeering ja on ASCII-ühilduv. UTF-8 on veebis ja paljude operatsioonisüsteemide jaoks peamine kodeering, sest see suudab esindada kõiki Unicode’i märgi ja on ajalooliselt tagasi-ühilduv ASCII-ga.

Probleemid tekstikodeeringutega 수 esinevad, kui erinevad süsteemid või failid kasutavad erinevat kodeeringut. Tekst võib kuvuda mojibake’ina või rikkuda märgid. BOM-i (Byte Order Mark) olemasolu või puudumine ning kodeeringu ebaõige teavitamine võivad põhjustada lisaprobleeme.

Kasutus ja konverteerimine: veebis märgitakse kodeering tavaliselt HTTP päistes Content-Type ja/või HTML-i meta-tagiga, enamasti UTF-8. Vanemad dokumendid võivad kasutada Windows-1252 või ISO-8859-1. Teksti kodeeringute teisendamiseks kasutatakse tööriistu ja raamistikke, näiteks iconv, Pythoni codecs või Java Charset. Nõuetekohane kodeeringu valik tagab korrektse kuvamise ja andmete ülekande.