ASCII(1)

Zeichencodierungssystem mit 128 Zeichen.

I. Aufbau

7 Bit pro Zeichen (das 8. war ursprünglich ein Prüfbit) → $2^{7} = 128$ Zeichen.
Codes 0x00–0x1F = Steuerzeichen, 0x20–0x7F = druckbare Zeichen.
Merk-Anker: 'A' = 0x41, 'a' = 0x61, '0' = 0x30.

Grenzen

Keine Umlaute, keine anderen Alphabete → nationale Behelfslösungen wie DIN 66003 ersetzten [ \ ] { | } durch Ä Ö Ü ä ö ü ß. Erweitert durch ISO 8859-1/Latin-1 (8 Bit), heute abgelöst von Unicode mit UTF-8 (das ASCII-kompatibel bleibt: häufige Zeichen = 1 Byte).

II. Extended ASCII (8 Bit)

Nach ASCII war klar: 128 Zeichen reichen nicht. Deshalb wurde das 8. Bit als Datenbits genutzt:

Standard	Bits	Zeichen	Einsatz
ASCII	7	128	International
ISO 8859-1 (Latin-1)	8	256	Westeuropa, Umlaute & Sonderzeichen
ISO 8859-2	8	256	Osteuropa (ą, ć, …)
Windows-1252	8	256	Microsoft (ähnlich Latin-1, aber mit $€ †…)

ASCII-Kompatibilität: Die Codes 0x00–0x7F sind gleich, Erweiterung nutzt 0x80–0xFF.

III. Unicode & UTF-Varianten

Problem mit Extended ASCII: Welt hat >1000 verschiedene Alphabete & Symbole. 8 Bit (256 Zeichen) reichen nicht.

Lösung: Unicode

Unicode gibt jedem Zeichen aller Alphabete einen eindeutigen Codepunkt (Notation U+, z.B. U+263A = ☺, U+00E4 = ä, U+4E2D = 中).

Unicode hat >1 Mio. Codepunkte möglich (aktuell ~150.000 definiert).
Problem: Wie speichert man das effizient?

Lösung: UTF-Varianten (UTF-8, UTF-16, UTF-32):

Format	Bytes	Speicher-Effizienz	Kompatibilität	Einsatz
UTF-8	1–4 (variabel)	✅ kompakt (ASCII = 1 Byte)	✅ ASCII-kompatibel	Standard Web & Linux
UTF-16	2 oder 4	mittel	❌ not ASCII-kompatibel	Windows, Java, alte XML
UTF-32	immer 4	❌ verschwenderisch	❌ not ASCII-kompatibel	kaum genutzt

UTF-8 im Detail

Die clevere Codierung: häufige Zeichen kurz, seltene länger:

1-Byte (ASCII):       0xxxxxxx                    (0x00–0x7F) ← 128 Zeichen
2-Byte:          110xxxxx 10xxxxxx               (0xC0–0xDF)
3-Byte:     1110xxxx 10xxxxxx 10xxxxxx           (0xE0–0xEF)
4-Byte: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx     (0xF0–0xF7)

UTF-8-Codierung

Zeichen ä (U+00E4):

Codepunkt 0xE4 = 11100100 (nicht 0–0x7F) → braucht 2 Byte.
UTF-8: 11000011 10100100 (0xC3 0xA4)

Zeichen 中 (U+4E2D):

Codepunkt 0x4E2D (>0x7FF) → braucht 3 Byte.
UTF-8: 11100100 10111000 10101101 (0xE4 0xB8 0xAD)

Vorteile UTF-8:

✅ ASCII-kompatibel (alle alten Texte funktionieren)
✅ Sehr platzsparend (die meisten Texte nutzen Lateinalphabet)
✅ Synchronisierbar (ein '10'-Byte ist sofort erkennbar als Fortsetzung)
✅ Web-Standard (fast alle Websites nutzen UTF-8)

UTF-16 (für Kontext)

UTF-16 ist nicht ASCII-kompatibel, aber effizient für Sprachen mit vielen Nicht-ASCII-Zeichen (CJK):

2-Byte (BMP):  0xD800–0xDBFF 0xDC00–0xDFFF  (Surrogate Pair für >0xFFFF)

→ Windows und Java nutzen UTF-16, weil sie vor UTF-8-Dominanz designt wurden.