merkkikoodausjärjestelmille

Merkkikoodausjärjestelmät ovat tapoja esittää merkkejä, kuten kirjaimia, numeroita ja erikoismerkkejä, tietokoneiden ymmärtämässä muodossa. Ne määrittelevät yksilöllisen numeroarvon jokaiselle merkille. Historiallisesti monia erilaisia koodausjärjestelmiä on kehitetty. Varhaisimpia ja tunnetuimpia on ASCII (American Standard Code for Information Interchange), joka käyttää seitsemää bittiä esittämään 128 erilaista merkkiä. Tämä oli yleinen tietokoneiden ja tiedonsiirron standardi, mutta se kykeni esittämään vain englanninkielisiä merkkejä.

Laajemmille kielivalikoimille ja erikoismerkeille tarvittiin kehittyneempiä järjestelmiä. EBCDIC (Extended Binary Coded Decimal Interchange Code) oli toinen varhainen järjestelmä, jota IBM käytti pääasiassa mainframe-tietokoneissaan. Se käyttää kahdeksaa bittiä ja tarjoaa laajemman valikoiman merkkejä kuin ASCII.

Nykyään yleisin ja kattavin merkkikoodausjärjestelmä on Unicode. Unicode pyrkii esittämään kaikki maailman kirjoitusjärjestelmien merkit ja symbolit. Se määrittelee miljoonille mahdollisille koodeille pisteitä (code points). Unicode-merkkejä voidaan tallentaa useilla eri tavoilla, joista yleisimpiä ovat UTF-8, UTF-16 ja UTF-32. UTF-8 on erityisen suosittu, koska se on yhteensopiva ASCII:n kanssa ja käyttää vaihtelevan pituista koodausta, mikä tekee siitä tehokkaan sekä yleisten että harvinaisten merkkien tallennuksessa. Merkkikoodausjärjestelmien valinnalla on merkitystä tiedostojen yhteensopivuuden, tietojen säilyvyyden ja monikielisen tuen kannalta.