Unicodekodningarna

Unicodekodningarna är metoderna som används för att representera Unicode-kodpunkter som sekvenser av bytes så att text kan lagras och överföras mellan olika system. De mest använda är UTF-8, UTF-16 och UTF-32. Dessa kodningar gör det möjligt att entydigt koda och avkoda varje tecken när rätt tolkning används.

UTF-8 är en variabellängdskodning där ett tecken består av mellan en och fyra bytes. Den är bakåtkompatibel med ASCII och dominerar på webben och i moderna operativsystem. Den är självsynkroniserande och kräver inga fasta teckenordningar, vilket underlättar textlagring och kommunikation över plattformar.

UTF-16 använder tvåbytesenheter och kan även använda fyra bytes för tecken utanför BMP via surrogater. Den används ofta i Windows-miljöer och i många programmeringsspråk. Endianness är relevant och hanteras ofta med en BOM (Byte Order Mark).

UTF-32 är en enkel, fast längds-kodning där varje tecken representeras av fyra bytes. Den är lätt att bearbeta men minneskrävande och används därför sällan för textlagring, utan mer som intern representationsform i vissa gränssnitt.

Historiskt finns det även mindre använda eller föråldrade kodningar som UTF-7 och UTF-EBCDIC. Den nuvarande rekommendationen är oftast att välja UTF-8 eller UTF-16 beroende på miljö och krav på kompatibilitet, där UTF-8 är dominerande på internet.