Unicode ve UTF-8 Nedir?

Bilgisayar harfleri doğrudan saklayamaz; her harfi bir sayı olarak tutar. Hangi sayının hangi harfe karşılık geldiğini belirleyen kurallara karakter kodlaması denir.

Eski sorun: herkesin kendi tablosu

İlk yaygın tablo olan ASCII yalnızca 128 karakter içeriyordu: İngilizce harfler, rakamlar ve birkaç işaret. ş, ğ, ı, ö, ç, ü gibi harfler yoktu. Her ülke kendi tablosunu yaptı (Türkçe için ISO-8859-9 ve Windows-1254 gibi). Bir metin yanlış tabloyla açılınca harfler bozuluyordu: "şeker" yerine "þeker" gibi anlamsız işaretler çıkıyordu.

Unicode: tek ortak liste

Unicode, Latin, Arap, Çin, Kiril alfabeleri, matematik işaretleri ve emojiler dahil yüz binlerce karaktere tek bir numara verir. Örneğin büyük Ş harfinin numarası U+015E, küçük ş harfininki U+015F'tir. Böylece aynı metin her cihazda aynı anlama gelir.

UTF-8: numarayı bayta çevirmek

Unicode numarayı verir; UTF-8 bu numarayı nasıl bayt olarak yazacağını belirler.

• İngilizce harfler 1 bayt tutar (ASCII ile birebir uyumlu).
• Türkçeye özgü ç, ğ, ı, ö, ş, ü harfleri (ve büyükleri) 2 bayt tutar.
• Emojiler çoğunlukla 4 bayt tutar.

Bu esnek yapı sayesinde UTF-8 bugün web sayfalarının çok büyük çoğunluğunda kullanılır.

Bozuk karakter görürsen

• Metin dosyasını kaydederken kodlamayı UTF-8 seç.
• Web sayfası yapıyorsan <meta charset="utf-8"> satırını ekle.
• Excel'de CSV açarken içe aktarma ekranında kodlamayı UTF-8 olarak belirt.

Özet

• Unicode her karaktere bir numara verir.
• UTF-8 bu numaraları bayta çevirir ve en yaygın kodlamadır.
• Türkçe karakter bozulması çoğunlukla yanlış kodlamadan kaynaklanır.