Textdateikodierung und Zeilenendezeichen

Zeichensätze

Textdateien verwenden Zeichensätze mit Satzzeichen, Ziffern, Groß-/Kleinbuchstaben und weiteren druckbaren Zeichen. Jedes Zeichen ist durch eine Zahl identifiziert.

Die meisten verwendeten Zeichensätze sind Erweiterungen des US-ASCII-Zeichensatzes. Dessen 95 druckbare Zeichen haben die Zahlenwerte 32 bis 126. Die wichtigsten Gruppen von Zeichensätzen sind:

Windows-Zeichensatz (Einbytekodierung): Ältere Einbyte-Codepages von Windows, häufig ANSI-Codepages genannt, verwenden 8 Bit pro Zeichen und können höchstens 256 (2^8) Werte zuordnen. Verschiedene Codepages enthalten unterschiedliche Zeichen für bestimmte Sprachen; keine einzelne Codepage deckt alle Sprachen ab. Modernes Windows unterstützt auch Unicode-Codierungen.
Mehrbytezeichensatz: Viele ostasiatische Schriftsysteme benötigen mehr Zeichen, als eine Einbyte-Codierung darstellen kann. Ältere Doppelbyte-Codepages verwenden ein oder zwei Byte pro Zeichen. Andere Mehrbyte-Codierungen folgen anderen Regeln; UTF-8 verwendet beispielsweise ein bis vier Byte pro Unicode-Skalarwert. Die Codierung muss bekannt sein, um die Bytes richtig zu decodieren.
Unicode-Zeichensatz: Unicode weist Zeichen verschiedener Schriftsysteme, Satzzeichen, Symbolen und anderen Textelementen Codepunkte zu. UTF-8, UTF-16 und UTF-32 codieren Unicode-Text mit unterschiedlich großen Codeeinheiten. UTF-16 verwendet für ein Zeichen der mehrsprachigen Basisebene eine 16-Bit-Codeeinheit, für ein ergänzendes Zeichen ein Paar solcher Codeeinheiten. Unicode ist nicht auf 65.536 Zeichen begrenzt. Beim Lesen oder Schreiben einer Textdatei muss die richtige Codierung gewählt werden.
OEM-Zeichensatz: Der OEM-Zeichensatz wird üblicherweise zur Bildschirmausgabe in MS-DOS-Vollbildsitzungen verwendet. Die druckbaren Zeichen 32 bis 126 sind in OEM-, US-ASCII- und Windows-Zeichensätzen meist gleich. Die anderen Zeichen des OEM-Zeichensatzes (0 bis 31 und 128 bis 255) entsprechen den Zeichen, die in einer MS-DOS-Vollbildsitzung dargestellt werden können. Sie unterscheiden sich im Allgemeinen von den Windows-Zeichen.
Symbol-Zeichensatz: Enthält Sonderzeichen, meist für mathematische und wissenschaftliche Formeln.

Zeilenendezeichen

Textdateien verwenden unterschiedliche Zeilenenden. MS-DOS, Windows und OS/2 verwenden traditionell CR/LF; UNIX und modernes macOS verwenden LF. Das klassische Mac OS verwendete CR.

Symbol	Bedeutung	Verwendung	Zeichen	Hex
CR	Wagenrücklauf	Klassisches Mac OS	\r	0x0d
LF	Zeilenvorschub	UNIX, modernes macOS	\n	0x0a
CR/LF	Wagenrücklauf/Zeilenvorschub	MS-DOS, Windows, OS/2	\r\n	0x0d, 0x0a
NULL	Nullzeichen		\0	0x00

Siehe auch

Dateiinhalte konvertieren