basiskarakter

Basiskarakter er et begrep innen lingvistikk og databehandling som beskriver den grunnleggende, uendrede formen av en karakter i et skriftsystem. Basiskarakteren fungerer som kjernen som diakritiske tegn eller andre modifikasjoner kan knytte seg til. Begrepet brukes særlig i nordiske språk og i tekniske sammenhenger der man analyserer hvordan tegn bygges opp og behandles digitalt.

I Unicode- og tekstbehandling brukes basiskarakter ofte som referansepunkt når man gjør normalisering. Mange tegn kan eksistere i både enkel form og i sammensatte former der diakritiske tegn legges til. Ved canonical decomposition brytes et tegn som é ned til basiskarakteren e og diakritisk tegn U+0301. På samme måte kan ä kunne dekomponeres til basiskarakteren a og combining diaeresis U+0308, avhengig av den aktuelle normaliseringsformen.

Skillnaden mellom basiskarakter og diakritiske modifikasjoner er sentral i tekstbehandling. Basiskarakteren omfatter bokstaver og sifre som kan få diakritiske tegn, mens sammensatte eller prekomponerte former anses som varianter av basiskarakteren. Ved sortering og søk brukes ofte regler som gjør det mulig å sammenligne tekster på basiskarakter-nivå, noe som gir accent-insensitive resultater.

Anvendelser inkluderer søk og sortering der diakritiske tegn ignoreres, translitterasjon mellom skriftsystemer og renderingslogikk i skrifttyper som trenger å identifisere basiskarakterer som referansepunkt. Opphavet og bruken av begrepet er mest utbredt i tekniske og akademiske sammenhenger knyttet til tekstanalyse og Unicode-standarden. Se også base character, combining diacritical mark, Unicode normalization.