Unicodekoodin

Unicodekoodipiste on Unicode-standardin määrittelemä yksittäiselle merkillä käytetty abstrakti numerotunnus. Koodipisteet kuvaavat merkin identiteetin, mutta ne eivät määritä miten merkki tallennetaan tai siirretään. Käytetty notaatio on yleisesti U+ ja heksadesimaalinen luku, esimerkiksi U+0041 vastaa latinalaista A, ja U+1F600 tarkoittaa grinning face -emojia.

Koodipisteet jaetaan planeijoihin. Basic Multilingual Plane (BMP) kattaa U+0000–U+FFFF, kun taas lisäplaneetat ulottuvat U+10000–U+10FFFF. Merkit BMP:n ulkopuolella voidaan esittää eri tavoin riippuen käytetystä enkoodauksesta. Erona on, että koodipiste on itse asiassa universaali ja enkoodaus määrittelee sen binääriesityksen.

Tunnuksen olemassaolo ei yksin riitä tiedon säilyttämiseen tai siirtämiseen. Tietokoneissa koodipisteet muunnetaan bitteihin useilla enkoodauksilla, yleisimmät niistä ovat UTF-8, UTF-16 ja UTF-32. UTF-8 käyttää 1–4 tavua per merkki, UTF-16 käyttää 2 tai 4 tavua, ja UTF-32 edustaa koodipisteen yhdellä 32-bittisellä arvolla. Tämä ero koodipisteen merkityksen ja sen tallennusmuodon välillä on keskeinen käytännön seikka.

Koodipisteet voivat esiintyä yhdessä está natioiss, mutta ne voivat myös esiintyä muodossa kombinatorisia merkkien muodostumia, jolloin normalisointi (esim. NFC, NFD) voi vaikuttaa tekstiin.

Unicode-standardi ylläpidetään Unicode Consortiumin toimesta, joka julkaisee päivityksiä ja laajentaa merkkiparia. Koodipisteet ovat keskeinen perusta ohjelmoinnissa, tekstinkäsittelyssä ja monikielisessä dataliikenteessä.