szövegkódolásnak

A szövegkódolás (text encoding) a karakterek és a byte-értékek közötti leképezést írja le. Olyan módszer, amely lehetővé teszi, hogy a számítógépek és a hálózati rendszerek a különböző nyelvek karaktereit – például a magyar ékezetes betűit is – összekapcsolják és továbbítsák vagy tárolják őket.

Fontos megkülönböztetni a készletet (karakterkészlet) és a kódolást. A készlet a megjeleníthető karakterek összessége; a kódolás pedig az ezekhez rendelt bájt-értékek hozzárendelése. Példák: ASCII, ISO-8859-2 (Latin-2), Windows-1250, UTF-8, UTF-16. Az ASCII 7-bites, és a legtöbb modern kódolás ezen alapul. A Latin-2 és a Windows-1250 a közép-európai nyelvek ékezetes karaktereit tartalmazza. A UTF-8 pedig Unicode-alapú, változó hosszúságú kódolást kínál, és visszafele kompatibilis az ASCII-val.

Az optimális kódolás kiválasztása és a kódolás-egyezőség elengedhetetlen a helyes olvashatóság és adatok integritásához. Ha a kódolás nem egyezik meg a fogadó rendszerével, előfordulhat mojibake, azaz olvashatatlan karakterek jelennek meg. A megfelelő kezelést segítik a fejlécek és metaadatok: HTML-ben a meta charset, HTTP-ben a Content-Type: text/html; charset=UTF-8, illetve adatbázisoknál a karakterkészlet/koláció beállítása.

Használat és ajánlások: A korszerű alkalmazásokban előnyösebb UTF-8-at használni a széles Unicode-tartomány miatt; új rendszereknél mindent ebben a kódolásban tárolni és ellenőrizni. Fájlnál, hálózati üzeneteknél és adatbázisoknál mindig megadni a használt kódolást.

Összefoglalás: A szövegkódolás nélkülözhetetlen a digitális kommunikációban, mert a karakterek byte-okkal való ábrázolását biztosítja. A kódolások közötti választás és a kompatibilitás folyamatos figyelmet igényel a megfelelő adat-megjelenítéshez.