Zeichensätze

Zeichensätze bezeichnen Sammlungen von Zeichen, die in der schriftlichen Kommunikation verwendet werden. In der Informationstechnik wird oft zwischen dem Zeichensatz (Repertoire) und der Codierung (Zuordnung von Zeichen zu Bytes) unterschieden.

Ein Zeichensatz legt fest, welche Zeichen verfügbar sind, z. B. Buchstaben, Ziffern, Satzzeichen, Steuerzeichen. Typische Beispiele sind ASCII, ISO-8859-1 (Latin-1), Windows-1252, und verschiedene asiatische und griechische Zeichensätze.

Historisch gab es unterschiedliche Codierungen; ASCII war 7-Bit, EBCDIC wurde von IBM verwendet. Später entstanden ISO/IEC 8859-Familien für westeuropäische Sprachen; Windows-1252 ist eine verbreitete Variante. Die Notwendigkeit der internationalen Textverarbeitung führte zur Entwicklung von Unicode, einem universellen Zeichensatz, der hunderte Sprachen umfasst.

Unicode allein reicht nicht aus; es braucht Encodings, die Unicode-Zeichen in Bytes darstellen, z. B. UTF-8, UTF-16 oder UTF-32. UTF-8 ist byteorientiert, kompatibel mit ASCII, variabel in der Länge und wird heute am weitesten genutzt. Endianness betrifft die Byte-Reihenfolge in UTF-16/UTF-32; meist wird eine Byte Order Mark (BOM) verwendet oder vermieden.

In der Praxis definieren Webseiten oder Programme oft einen Zeichensatz via Content-Type-Header oder Meta-Tag; die Wahl beeinflusst Interoperabilität, Sortierung (Collation) und Zeichenverarbeitung. Falsche oder fehlende Angabe führt zu Fehlinterpretationen (Mojibake).

Siehe auch: Unicode, UTF-8, ISO/IEC 8859, Kodierungsschemata.