Kódovanie textových súborov a znaky konca riadka

Znakové sady

Textové súbory používajú znakové sady. Znaková sada obsahuje interpunkčné znamienka, číslice, veľké a malé písmená a všetky ostatné tlačiteľné znaky. Každý znak v sade je určený číslom.

Väčšina používaných znakových sád rozširuje americkú znakovú sadu ASCII, ktorej 95 tlačiteľných znakov má číselné hodnoty 32 až 126. Hlavné skupiny znakových sád sú:

Znaková sada Windows (jednobajtové kódovanie): Staršie jednobajtové kódové stránky Windows, často nazývané kódové stránky ANSI, používajú 8 bitov na znak a môžu priradiť najviac 256 (2^8) hodnôt. Rôzne kódové stránky poskytujú rôzne znaky pre jednotlivé jazyky; jedna kódová stránka nepokrýva všetky jazyky. Moderný Windows podporuje aj kódovania Unicode.
Viacbajtová znaková sada: Mnohé východoázijské písma vyžadujú viac znakov, než dokáže reprezentovať jednobajtové kódovanie. Staršie dvojbajtové kódové stránky používajú jeden alebo dva bajty na znak. Iné viacbajtové kódovania majú odlišné pravidlá; napríklad UTF-8 používa jeden až štyri bajty na skalárnu hodnotu Unicode. Na správne dekódovanie bajtov treba poznať použité kódovanie.
Znaková sada Unicode: Unicode priraďuje kódové body znakom rôznych písiem, interpunkcii, symbolom a ďalším textovým prvkom. UTF-8, UTF-16 a UTF-32 kódujú text Unicode pomocou kódových jednotiek rôznej veľkosti. UTF-16 používa jednu 16-bitovú kódovú jednotku pre znak v základnej viacjazyčnej rovine alebo dvojicu 16-bitových jednotiek pre doplnkový znak. Unicode nie je obmedzený na 65 536 znakov a pri čítaní či zápise textového súboru treba zvoliť správne kódovanie.
Znaková sada OEM: Znaková sada OEM sa zvyčajne používa na zobrazovanie v celoobrazovkových reláciách MS-DOS. Tlačiteľné znaky 32 až 126 sú v sadách OEM, americkej ASCII a Windows zvyčajne rovnaké. Ostatné znaky sady OEM (0 až 31 a 128 až 255) zodpovedajú znakom, ktoré možno zobraziť v celoobrazovkovej relácii MS-DOS. Tieto znaky sa spravidla líšia od znakov Windows.
Znaková sada Symbol: Znaková sada Symbol obsahuje špeciálne znaky zvyčajne používané na vyjadrenie matematických a vedeckých vzorcov.

Znaky konca riadka

Textové súbory používajú rôzne ukončenia riadkov. MS-DOS, Windows a OS/2 tradične používajú CR/LF; UNIX a moderný macOS používajú LF. Klasický Mac OS používal CR.

Symbol	Význam	Použitie	Znak	Hex
CR	Návrat vozíka	Klasický Mac OS	\r	0x0d
LF	Posun riadka	UNIX, moderný macOS	\n	0x0a
CR/LF	Návrat vozíka/Posun riadka	MS-DOS, Windows, OS/2	\r\n	0x0d, 0x0a
NULL	Nulový znak		\0	0x00

Pozrite tiež

Konverzia obsahu súborov