teckenkoder

Teckenkoder är system som beskriver hur tecken kan representeras som digital data. En teckenkod anger hur varje tecken i en textmängd översätts till en sekvens av bytes som kan lagras och överföras. Denna översättning kallas ofta en teckenmappning mellan tecken och bytes. Det finns olika teckenuppsättningar och olika sätt att koda dem i bytes.

En teckenkod skiljer mellan teckenuppsättning och hur tecknen kodas som bytes. En teckenuppsättning innehåller vilka tecken som kan representeras, medan själva koden anger vilka bytevärden som används för varje tecken. Vissa koder är fasta i längd (ett tecken motsvaras alltid av ett specifikt antal bytes), medan andra är variabel i längd.

Vanliga teckenkoder inkluderar ASCII (7-bitars, enkel teckenuppsättning som används som bas i många senare standarder), ISO 8859-1 och Windows-1252 (8-bitars utvidgningar), samt Unicode-baserade encodings som UTF-8, UTF-16 och UTF-32. Unicode syftar till att stödja alla skript och symboler och används i allt fler system och applikationer. UTF-8 är den mest spridda på webben eftersom den är variabel i längd och bakåtkompatibel med ASCII; varje tecken kan kodas med mellan 1 och 4 bytes.

Praktiska frågor kring teckenkoder innefattar felaktiga kodningar eller blandningar som leder till mojibake, där text visas felaktigt. Det är viktigt att specificera rätt charset i filer, överföringsprotokoll och databaser, samt vara medveten om frågor som endianness och användning av Byte Order Mark i UTF-16 och UTF-32.

Sammanfattningsvis är teckenkoder centrala för hur textRepresenteras och tolkas i datorer, nätverk och programvara, och val av encoding påverkar både lagring, överföring och visning av text.