ASCII verstehen: Zeichen codieren und decodieren

Ein Bit kann nur zwei Werte haben: 0 oder 1.

ASCII ist ein Code. Er ordnet jedem Zeichen ein Bitmuster aus genau 7 Bit zu. Jedes der 7 Bit kann 0 oder 1 sein. Du rechnest: 2 · 2 · 2 · 2 · 2 · 2 · 2 = 2 hoch 7 = 128. Es gibt also 128 verschiedene Bitmuster. Man kann sie auch als die ganzen Zahlen 0 bis 127 lesen. Darum legt ASCII 128 Zeichen fest.

Von den 128 Zeichen sind 95 druckbar und 33 nicht druckbar. Die ersten 32 Codes (0 bis 31) sind für Steuerzeichen reserviert. Das sind keine Schriftzeichen. Sie steuern oder steuerten Geräte, zum Beispiel Drucker. Das Leerzeichen (Code 32) zählt als druckbar, zeigt aber nichts an. Auch der Code 127 ist kein Schriftzeichen, sondern das Löschzeichen (DEL).

Eine ASCII-Tabelle ordnet jedem Zeichen einen Code zu. Beim Codieren suchst du jedes Zeichen in der Tabelle und schreibst seinen Code auf. Beim Decodieren suchst du umgekehrt zu jedem Code das Zeichen.

Ein Code lässt sich als Dezimalzahl oder als Bitmuster angeben. Hier benutzen wir Dezimalzahlen. Die Tabelle unten zeigt nur eine Auswahl der Zeichen. Zu vier Buchstaben kennst du auch das 7-Bit-Muster: A ist 100 0001, B ist 100 0010, C ist 100 0011 und Z ist 101 1010.

Die Großbuchstaben stehen in alphabetischer Reihenfolge: Auf A (65), B (66), C (67) folgt Buchstabe für Buchstabe der nächste Code, bis Z (90). Das Leerzeichen hat einen eigenen Code und muss beim Codieren mitcodiert werden. Groß- und Kleinbuchstaben sind verschiedene Zeichen mit verschiedenen Codes.

ASCII hat keine deutschen Umlaute und keine Buchstabenvarianten anderer Sprachen. Ein Byte besteht aus 8 Bit. ASCII nutzt davon nur 7 Bit. Das nicht benutzte achte Bit wird fast immer genutzt, um ASCII zu einem 8-Bit-Code zu erweitern.

Diese 8-Bit-Erweiterungen stimmen mit ASCII weitgehend überein: Die ASCII-Zeichen haben dort dieselben Bitmuster. Die Erweiterungen fügen zusätzliche Zeichen hinzu, zum Beispiel Umlaute. Es gibt mehrere Varianten, etwa ISO 8859-1 für westeuropäische Sprachen. Keine dieser Erweiterungen ist aber ASCII, denn ASCII bezeichnet nur den einheitlichen 7-Bit-Code. Wurde eine Textdatei mit einer anderen Erweiterung erstellt als der, mit der sie angezeigt wird, sehen zum Beispiel die deutschen Umlaute falsch aus.

Auch 8 Bit bieten zu wenig Platz für alle Zeichen der menschlichen Schriftkultur. Darum wurde Unicode entwickelt. Damit können alle bislang von Menschen verwendeten Schriftzeichen dargestellt werden, sofern sie in den Unicode-Standard aufgenommen wurden. UTF-8 ist eine 8-Bit-Kodierung von Unicode. Sie ist zu ASCII abwärtskompatibel. Ein Zeichen kann dabei ein bis vier Byte einnehmen. Die ASCII-Zeichen brauchen in UTF-8 nur ein Byte. Zeichen wie ä, ß oder é brauchen zwei Byte. UTF-8 ist der De-facto-Standard für die Zeichenkodierung im Internet.