tegnkoding

Tegnkoding, eller tegnkoding, er måten tekst representeres i digitale systemer ved å knytte hvert tegn til en tallkode og deretter til en sekvens av bytes. En tegnsett definerer hvilke tegn som finnes, mens en tegnkoding beskriver hvordan disse tegnene kartlegges til bytes. Sammen omtales ofte hele systemet som en tegnkoding eller kodingssystem for tekst.

Vanlige tegnkodingssystemer inkluderer ASCII, ISO-8859-1 (Latin-1), Windows-1252 og de Unicode-baserte koderingene UTF-8 og UTF-16. ASCII bruker 7 biter og dekker bare grunnleggende latinske tegn. ISO-8859-1 og Windows-1252 utvider dette til å inkludere flere europeiske tegn, inkludert norske bokstaver som æ, ø og å. Unicode-koderingene gjør det mulig å representere tegn fra nesten alle språk. UTF-8 er den mest utbredte encodingen på nettet fordi den er bakoverkompatibel med ASCII og kan representere alle Unicode-tegn ved hjelp av en variabel lengde fra én til fire bytes.

Praktiske hensyn inkluderer å velge riktig encoding ved lagring og overføring. Ulike systemer kan feiltolke bytes hvis deklarert tegnkoding ikke stemmer, noe som gir mojibake. Det er viktig å spesifisere encoding i HTTP-headere eller HTML-metas, og å sikre konsistent lagring i databaser og filsystemer. I Norge er UTF-8 i dag dominerende, og støtter norsk bokstavsett uten behov for spesialkodingsvarianter.

Se også: Unicode, UTF-8, UTF-16, ASCII, tegnsett, mojibake.