Unicode is een wereldwijde standaard die elk teken een uniek nummer geeft, van het Latijnse alfabet tot Arabisch, Chinees, wiskundige symbolen en emoji. Voordat het bestond, gebruikten systemen hun eigen onverenigbare codes, waardoor tekst vaak aankwam als een wirwar van rare symbolen. Unicode loste dat op door één gedeelde lijst af te spreken die iedereen volgt.
Zie het als internationale landnummers voor telefoons. Omdat de hele wereld het erover eens is dat +31 Nederland betekent, komt een nummer dat in Australië wordt gebeld op de juiste plek aan. Unicode doet hetzelfde voor letters: het teken “é” of “中” heeft overal één afgesproken nummer, zodat het een reis overleeft van een formulier, via JSON, naar een database en weer terug op een scherm. Dit maakt meertaligheid mogelijk zonder dat tekst kapotgaat.
De meestgebruikte manier om Unicode echt op te slaan is UTF-8, dat de standaard is geworden voor het web en voor de meeste platte tekst. Als elke laag van een systeem dezelfde codering gebruikt, blijft een é gewoon een é, en wordt een klant die Søren heet nooit “S?ren” op een factuur. De scheuren ontstaan meestal op een grens. Een formulier slaat tekst op als UTF-8, maar een oude databasekolom stond op een West-Europese codering, en zo raakt de data stilletjes beschadigd onderweg. Daarom telt dit ook tijdens data-import en validatie, niet alleen op het scherm. De oplossing is zelden slim. Het is zorgen dat overal dezelfde codering wordt opgegeven, van de header van de HTML-pagina tot de databaseverbinding tot het exportbestand.
Bij TopDevs zorgen we dat UTF-8 van begin tot eind op elk project draait, zodat namen, accenten en symbolen uit elke taal correct verschijnen voor de klanten van onze klanten.
