merkkikoodit

Merkkikoodit ovat järjestelmiä, jotka määrittävät, miten kirjoitusmerkit, symbolit ja kontrollimerkit voidaan esittää tietokoneessa ja siirtää sitä kautta. Ne muuntavat merkit numeerisiin arvoihin, jotta teksti voidaan tallentaa, käsitellä ja välittää digitaalisessa muodossa.

Yleisimpiä merkkikoodijärjestelmiä ovat ASCII, ISO-8859-1 (Latin-1), Windows-1252 sekä Unicode-enkoodaukset kuten UTF-8, UTF-16 ja UTF-32. ASCII on 7-bittinen merkkijoukko, joka kattaa englannin perusmerkit. ISO-8859-1 laajentaa ASCII:n 8-bittiseen tilaan siten, että suurin osa länsimaisista merkeistä on käytettävissä. Unicode määrittelee kattavan merkkijoukon, jonka enkoodauksina käytetään esimerkiksi UTF-8, UTF-16 ja UTF-32. UTF-8 on muuttuvapituinen ja säilyttää ASCII-yhteensopivuuden; UTF-16 ja UTF-32 käyttävät kiinteämpää pituutta riippuen merkin koodipisteestä.

Käytännössä merkkikoodit määräävät, miten teksti tallennetaan ja lähetetään. Eri järjestelmät voivat käyttää erilaisia koodauksia, mikä voi johtaa mojibake-ilmiöön eli merkkien väärään tulkintaan. Verkkosivut, sähköposti, tietokannat ja tiedostot sisältävät usein koodauksen määrityksiä, kuten Content-Type-otsikossa tai meta-tageissa, jotta oikea koodaus voidaan valita. Nykyisin Unicode/UTF-8 on yleisin ratkaisu, koska se kattaa suurimman osan merkeistä ja on yhteensopiva useimpien sovellusten kanssa.

Historiaa: Merkkikoodien kehitys alkoi ASCII:n ja 8-bittisten laajennusten aikakaudelta, kunnes siirryttiin Unicodeen. Unicode mahdollistaa kaikkien kirjoitusjärjestelmien merkit, ja käytännössä UTF-8 on vakiintunut netissä ja monissa ohjelmistoissa. Tämä helpottaa monikielisten sovellusten kehittämistä ja datan vaihtoa kansainvälisesti.