merkkiyksiköihin

Merkkiyksiköihin on suomenkielinen termi, jota käytetään kuvaamaan kirjoitusjärjestelmän pienimpiä merkkien tai symbolien yksiköitä. Termi heijastaa sitä, että käsitteellinen analyysi kirjoitetusta kielestä voidaan kohdistaa yksittäisiin merkkeihin, ja niiden muodostamiin kokonaisuuksiin. Merkkiyksikkö voi viitata sekä yksittäiseen koodipisteeseen tietojärjestelmissä että käyttäjän näkökulmasta yhdistettyyn, visuaalisesti yhteen piirrettyyn merkkiin.

Käyttötarkoitukset ja erottelut ovat kontekstisidonnaisia. Digitaalisessa tekstituotannossa merkkiyksikkö voidaan käsittää esimerkiksi Unicode-standardiin nojten joko yksittäiseksi koodipisteeksi tai grapheme-ryhmäksi, jota käyttäjä havaitsee yhtenä merkkinä. Esimerkiksi yhdistelmämerkki, kuten ä, voi koostua kahdesta koodipisteestä mutta renderöidä itsensä yhtenä merkkinä. Tällöin eri tarkastelutavalla puhutaan eri merkkiyksikköyksiköistä: koodipisteistä versus grapheme-ryhmistä.

Merkkiyksiköiden ymmärtäminen on tärkeää muun muassa käyttäjärajapintojen pituusrajoituksissa, hakutoiminnoissa ja tekstin normalisoinnissa. Eri järjestelmät voivat laskea merkkiyksiköitä eri tavoin, mikä voi aiheuttaa eroja esimerkiksi tallennettujen merkkien määrästä tai syötteen käsittelystä. Yhteydessä ovat erityisesti Unicode-tunnukset, grapheme- ja code point -fysiikka sekä merkkijonojen normalisointi.

Lyhyesti: merkkiyksiköihin viittaa kirjoitetun kielen pienimpiin symboliyksiköihin ja niiden tulkintaan digitaalisessa tekstissä, jossa konteksti asettaa, lasketaanko ne koodipisteinä vai visuaalisina merkkijonoina.