7. Textcodierung

In dieser praktischen Übung speichern Sie auf Ihrem Computer eine Textdatei und überprüfst anschliessend, ob die in der Datei gespeicherten Bits tatsächlich der Unicode/UTF-8-Codierung des Texts entsprechen.

1. Texteditor öffnen

Der Editor ist eine App, in welcher man Textdateien erstellen und bearbeiten kann. Das kann man auch mit Word, dies ist jedoch umständlicher. Word-Dateien sind keine reinen Textdateien, sie enthalten auch andere Daten wie Formatierungen und Bilder.

Windows

Starten Sie die Editor-App, indem Sie im Startmenü nach «editor» suchen:

Windows 10

Starten Sie die Editor-App, indem Sie im Startmenü nach «editor» suchen:

macOS

Um in macOS Textdateien erstellen und bearbeiten zu können, installieren Sie am besten die App CotEditor aus dem App Store:

• 👉 CotEditor im AppStore

2. Text eingeben

Geben Sie einen kurzen Text ein. Dieser sollte nicht nur ASCII-Zeichen enthalten, sondern auch ein Umlaut wie «ä» und Emojis.

Windows

Emojis können unter Windows mit dem Tastenkürzel + . eingefügt werden.

macOS

Emojis können unter Mac OS X mit dem Tastenkürzel Ctrl + Cmd +Leertaste eingefügt werden.

Alternativ findet man unter 👉 Emojipedia viele weitere Emojis.

Windows

macOS

3. Textdatei speichern

Speichern Sie die Textdatei unter dem Namen Unicode-Test.txt indem Sie

Windows

• die Tastenkombination Ctrl+s drücken oder

• den Menüpunkt Datei > Speichern auswählen.

macOS

• die Tastenkombination Cmd+s drücken oder

• den Menüpunkt Datei > Sichern … auswählen.

4. Datei als Bytes betrachten

Mit dem Online-Tool HexEd.it können Sie eine beliebige Datei Byte für Byte betrachten:

👉 HexEd.it

Klicken Sie auf Datei öffnen und wählen Sie die vorhin gespeicherte Textdatei aus. Nun sehen Sie die einzelnen Bytes, welche die Datei enthält, beispielsweise:

54 73 63 68 C3 BC 73 73 20 F0 9F 98 80 21

Die Bytes werden wie in der Informatik üblich als Hexadezimalzahlen angegeben. Wenn man über die einzelnen Bytes navigiert (mit den Pfeiltasten), sieht man auf der linken Seite die entsprechende Binärcodierung. Alternativ finden Sie hier auch einen Umrechner zwischen Binär-, Dezimal- und Hexadezimalzahlen.

⭐️ Hexadezimal Zahlen

Anstatt Zahlen im Dezimalsystem oder Binärsystem zu schreiben, kann auch das Hexadezimalsystem mit 16 eindeutigen Zeichen verwendet werden. Dabei werden die zehn Zahlenziffern mit den ersten 6 Buchstaben des Alphabets ergänzt:

$Hex_{16}$	0	1	2	3	4	5	6	7	8	9	A	B	C	D	E	F
$Dez_{10}$	0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
$Bin_{2}$	0000	0001	0010	0011	0100	0101	0110	0111	1000	1001	1010	1011	1100	1101	1110	1111

Jede Stelle in einer Hexadezimal-Zahl entspricht hier einer 16er Potenz:

$$\begin{aligned} A3D_{16} &= A \cdot 16^2 + 3 \cdot 16^1 + D \cdot 16^0 \\ &= 10 \cdot 256 + 3 \cdot 16 + 13 \cdot 1 \\ &= 2560 + 48 + 13 \\ &= 2621_{10} \end{aligned}$$

Anwendungsbereich

Das praktische bei Hexadezimalzahlen: 4 bits können mit nur einer Hexadezimalzahl geschrieben werden, was deutlich übersichtlicher wird:

$$1101_{2} = 13_{10} = D_{16}$$

Ein Byte (8 bits) werden dann konventionell als zwei Hexadezimal Zahlen geschrieben:

1101 1001 = D9
F5 = 1111 1001

Dec - Bin - Hex

Dezimal

Binär

Hexadezimal

Text: Hex - Bin

Hexadezimal

08

Binär

00001000

In der binären Darstellung sehen Sie sofort die Zeichen, welche mehrere Bytes benötigen. Sie beginnen mit einer 1. So ist 11000011 10111100 die Codierung des Buchstabens «ü».

Nun können Sie mit folgenden Hilfsmitteln überprüfen, ob die Bytes tatsächlich der Unicode/UTF-8-Codierung Ihres Textes entsprechen:

• 👉 ASCII-Tabelle für Bytes, die mit einer 0 starten

• 👉 Unicode-Tabelle für zusammengesetzte Zeichen mit mehreren Bytes

• Halten Sie die Hexadezimalzeichen Ihres Textes fest.

• Wo ist das erste Emoji? Überprüfen Sie, ob Sie den Dezimalwert des Emojis entziffern und auf 👉 https://unicode-table.com/de/ finden

Hinweis

Im vorliegenden Beispiel sieht das so aus:

Byte(s)	Zeichen
54	T
73	s
63	c
68	h
C3 BC	ü
73	s
73	s
20	␣
F0 9F 98 80	😀
21	!

⭐️ Zusatzaufgabe - Andere Dateien

Betrachten Sie andere Dateien in HexEd.it und achten Sie auf folgendes:

• Finden Sie in anderen Dateien auch Unicode-codierten Text?

• Erkennen Sie ein Muster bei den ersten paar Bytes von Dateien des gleichen Typs?