Datenmenge einer Textdatei

Übersicht:

Normales Zeichen = 1 Byte
Sonderzeichen: 2 Byte

Eine einfache Textdatei enthält insgesamt 1800 Zeichen, davon sind 600 Sonderzeichen.
Berechnen Sie die Datenmenge der Datei.
1200 Zeichen = 1200 Byte
600 Sonderzeichen x 2 Byte = 1200 Byte
Die Textdatei ist 2400 Byte groß bzw. 2,4 KB , 2,34 KiB

---

Bevor wir uns mit der Berechnung beschäftigen, müssen wir ein grundlegendes Prinzip verstehen: Ein Computer kennt nur zwei Zustände – 0 und 1. Diese einzelnen Zustände nennt man Bit. Um Buchstaben, Zahlen oder Satzzeichen darzustellen, müssen diese Zeichen in eine Folge von Bits übersetzt werden. Eine Gruppe von 8 Bits bezeichnen wir als ein Byte.

Die zentrale Frage lautet:
Wie berechnet man, wie viele Bytes eine reine Textdatei (wie eine TXT- oder CSV-Datei) auf der Festplatte belegen wird?

---

Der fundamentale Zusammenhang: Zeichen × Bytes pro Zeichen

Wir werden gemeinsam eine einfache, aber universelle Formel erarbeiten. Die Größe einer unkomprimierten Textdatei ergibt sich aus der Anzahl der darin enthaltenen Zeichen multipliziert mit der Anzahl an Bytes, die für die Codierung eines Zeichens benötigt werden.

Dateigröße (in Byte) = Anzahl der Zeichen × Bytes pro Zeichen

Diese Formel ist der Ausgangspunkt. Entscheidend für die Genauigkeit der Berechnung ist die korrekte Bestimmung der beiden Faktoren: die Zeichenanzahl und die Zeichencodierung.

---

Die Zeichencodierung: ASCII und UTF-8

Hier liegt die häufigste Fehlerquelle. Nicht jedes Zeichen benötigt gleich viel Speicherplatz. Die Zuordnung von Zeichen zu Byte-Folgen wird durch eine Zeichencodierung geregelt.

ASCII (American Standard Code for Information Interchange)

Die historisch älteste und einfachste Codierung. ASCII wurde für die englische Sprache entwickelt und umfasst 128 verschiedene Zeichen: Buchstaben (A-Z, a-z), Ziffern (0-9), Satzzeichen und Steuerzeichen (wie Zeilenumbruch oder Tabulator).

• Besonderheit: Jedes ASCII-Zeichen benötigt genau 1 Byte (8 Bit).
• Grenze: Sonderbuchstaben wie Ä, Ö, Ü, ß oder Emojis sind in ASCII nicht enthalten.

Beispiel 1: Eine einfache Textdatei
Angenommen, Sie speichern folgenden Satz als hallo.txt im ASCII-Format:

Hallo Welt!

Wir zählen die Zeichen:
H, a, l, l, o, (Leerzeichen), W, e, l, t, ! → das sind 11 Zeichen.

Da jedes Zeichen 1 Byte belegt, ergibt sich:
11 Zeichen × 1 Byte / Zeichen = 11 Byte

---

UTF-8 (Unicode Transformation Format – 8 Bit)

UTF-8 ist heute der dominierende Standard im Internet und auf modernen Betriebssystemen. UTF-8 kann alle Zeichen aller Schriftsysteme der Welt (und Emojis) darstellen. Um dies zu erreichen, verwendet es eine variable Zeichenlänge.

• 1 Byte: Für Zeichen, die auch im ASCII-Standard vorkommen (z. B. A, 1, ?).
• 2 Byte: Für Zeichen mit Akzenten oder aus erweiterten lateinischen Alphabeten (z. B. Ä, ß, é).
• 3 Byte: Für Zeichen aus asiatischen Schriftsystemen (z. B. 中, あ, 한) sowie für Emojis (wie 😊).
• 4 Byte: Für seltene historische Zeichen oder komplexe Emojis.

Wichtig: Wenn Sie in einem Texteditor eine Datei als „UTF-8“ speichern, wird jedes Zeichen dynamisch mit der minimal nötigen Anzahl an Bytes gespeichert.

Beispiel 2: Vergleich ASCII und UTF-8
Wir betrachten den deutschen Satz:

Müllerstraße 5

• Im ASCII-Format: Das Zeichen ü ist nicht definiert. In der Praxis würde das Speichern als ASCII zu einem Fehler führen oder das Zeichen würde durch ein Fragezeichen ? ersetzt. Gehen wir von einer rein englischen Variante Mullerstrasse 5 aus:
  *14 Zeichen × 1 Byte = 14 Byte.*
• Im UTF-8-Format: Die Zeichen werden korrekt abgebildet.
  • M, ü, l, l, e, r, s, t, r, a, ß, e, , 5 → 14 Zeichen.
  • Die meisten Zeichen (M, l, …) benötigen 1 Byte. Das ü und das ß benötigen jedoch jeweils 2 Byte.
  Berechnung:
  • 12 Zeichen à 1 Byte = 12 Byte
  • 2 Zeichen (ü, ß) à 2 Byte = 4 Byte
  • Gesamt: $12+4=16\text{ Byte}$12+4=16 Byte

Wir sehen also: Obwohl beide Dateien gleich viele Zeichen enthalten, ist die UTF-8-Datei aufgrund der Umlaute größer.

---