Tegnsett (UTF-8)
Hvordan tekst blir byte: et tegnsett er avtalen om hvilke tall som betyr hvilke tegn. UTF-8 er standarden — æøå tar flere byte enn a–z, og leses fila med feil tegnsett, blir de til mojibake (æøå). Derfor encoding="utf-8" i open().
Slik kan du tenke om det
- Tegnsettet er en avtale En fil inneholder bare tall. Tegnsettet er avtalen om hvilke tall som betyr hvilke tegn, og UTF-8 er standarden. Leses de samme bytene med feil avtale, blir hvert norsk tegn til to rare — ser du Ã¥ der det skulle stått å, vet du diagnosen.