Zeichenkodierungen

Zeichenkodierungen, auch Zeichencodierungen genannt, sind Systeme zur Darstellung von Zeichen als Bytes und damit zur Speicherung, Übermittlung und Verarbeitung von Text. Sie legen fest, welchem Bytemuster ein Zeichen zugeordnet wird. Damit unterscheiden sie sich vom Zeichensatz, der die Gesamtheit der Zeichen bezeichnet, während die Kodierung die konkrete Byte-Darstellung abbildet. Unicode dient heute als zentraler Zeichensatz, der Codepunkte umfasst, die alle Schrift- und Symbolzeichen weltweit beschreiben. Konkrete Encodings sind UTF-8, UTF-16 und UTF-32.

Häufige Kodierungen: ASCII ist ein 7-Bit-Zeichensatz mit 128 Zeichen. ISO/IEC 8859-1 (Latin-1) und Nachfahren erweitern auf 8 Bit. Windows-1252 ist eine verbreitete Variante unter Windows. UTF-8 ist eine universelle, variabel lange Kodierung, die jeden Unicode-Codepunkt darstellt und ASCII-kompatibel bleibt. UTF-16 und UTF-32 verwenden zwei- bzw. vier-Byte-Einheiten; UTF-16 nutzt Endianness und oft einen Byte Order Mark (BOM).

Anwendung: Im Web dominiert UTF-8. In Dateien, Datenbanken und APIs muss der verwendete Zeichensatz korrekt deklariert werden. Falsche Decodierung führt zu Mojibake, also Lesefehlern.

Historie: ASCII entstand in den 1960er Jahren; ISO 8859-Familien verbreiteten sich in den 1980ern. Unicode setzte sich in den 1990er/2000er Jahren durch. UTF-8 wurde in den 1990er Jahren entwickelt und in RFC 2279 (1998) sowie RFC 3629 (2003) standardisiert.

Richtlinien: Für neue Systeme ist UTF-8 zu empfehlen; Angabe des Zeichensatzes in Dateien oder Protokollen verhindert Interpretationsfehler; bei bestehenden Systemen gilt eine sorgfältige Migration und konsistente Dekodierung.