merkkijärjestelmää

Merkkijärjestelmä määrittelee, miten teksti esitetään digitaalisesti. Se yhdistää merkkien symbolit koodeiksi ja määrittää, miten nämä koodit muuntuvat bitteiksi ja tavuihin. Erilaiset merkkijärjestelmät kattavat eripituisia merkkijoukkoja ja erilaisia säännöksiä, mikä aiheuttaa yhteensopivuusongelmia tiedon siirrossa ja tallennuksessa.

Yleisesti erotetaan merkistö ja koodaus. ASCII on 7-bittinen merkistö, joka kattaa peruslatinalaiset merkit. Laajemmat code page -järjestelmät lisäsivät merkkejä 8 bitin avulla, mutta niiden kattavuus ja tulkinta vaihtelivat. Unicode on nykyinen maailmanlaajuinen merkkijärjestelmä, joka kuvaa koodipisteitä kuten U+0041 'A'. Unicode tarvitsee erilaisia koodauksia, kuten UTF-8, UTF-16 ja UTF-32. UTF-8 on vaihtuvapituinen ja yhteensopiva ASCII:n kanssa, mikä tekee siitä yleisimmän tavan tallentaa ja välittää tekstiä verkossa. UTF-16 ja UTF-32 käyttävät 2- tai 4-tavun ryhmiä, ja ne voivat olla endianness-riippuvaisia; usein käytetään myös Byte Order Markia.

Merkkijärjestelmillä on käytännön vaikutus ohjelmointiin, tiedostonimiin, verkkosivujen käsittelyyn ja kansainvälisen tekstin tukeen. Oikea koodaus on välttämätön sekä sisäisessä käsittelyssä että ulkoisessa viestinnässä; virheitä voi aiheutua väärin tulkituista merkeistä. Hyvä käytäntö on merkitä tiedoston tai yhteyden käyttämä merkkijärjestelmä ja varmistaa, että ohjelmat ja kirjastot tukevat sitä.