kodpunkter

Kodpunkt (code point) är den numeriska identifieraren som Unicode tilldelar varje tecken. Det är en abstrakt enhet som existerar oberoende av hur tecknet renderas, vilken font som används eller hur texten kodas. Kodpunkter används för att beskriva vilka tecken som finns i ett teckensystem, från bokstäver och siffror till symboler och emoji.

Inom Unicode beskrivas kodpunkter med notationen U+ följt av hexadecimala siffror, till exempel U+0041 för bokstaven A och U+1F600 för det grimaserande ansiktet. Hela kodpunktsrymden sträcker sig från U+0000 till U+10FFFF. Vissa punkter är reserverade eller ännu inte tilldelade tecken. Vissa områden, som U+D800 till U+DFFF, används som surrogatpar i UTF-16 och får inte förekomma som fristående kodpunkter.

Det är viktigt att skilja mellan kodpunkter och tecken som visas. I text kan flera kodpunkter bilda en synlig enhet, till exempel ett tecken med diakritiska tecken som kombineras eller ett emoji-tecken som består av flera kodpunkter i följd. Sådana sekvenser kallas ofta grapheme clusters och påverkar hur text mäts och renderas.

För lagring och överföring används olika teckenkodningar. UTF-8 kodar varje kodpunkt i mellan en och fyra bytes, medan UTF-16 använder 16-bitarsenheter och för punkter över U+FFFF krävs surrogatpar. Kodpunkter i intervallet U+D800–U+DFFF är reserverade för surrogater och används inte som fristående kodpunkter.

I praktiken används kodpunkter för referens i standarder och programmering. Hantering av text innebär ofta att skilja mellan kodpunkter, deras kombinationer och hur normalisering påverkar saknade eller förändrade sekvenser.