Merkit biteiksi

Teksti koostuu kirjoitusmerkeistä. Merkkit muunnetaan biteiksi erilaisten merkistöjen avulla. Merkistöissä on sovittu kutakin merkkiä vastaava bittijono. Ensimmäisiä merkistöjä oli ASCII. Siinä kukin merkki kuvattiin 7 bitin avulla. Tällä saatiin kuvattua amerikkalaiset aakkoset a-z isolla ja pienellä, numerot 0-9 ja joitakin ohjausmerkkejä (rivinvaihto, välilyönti, ...). Merkkejä oli käytössä 127. Laajennetussa ASCII:ssa otettiin 8. bitti mukaan, jolloin saatiin merkistöön mahtumaan mm. skandit ä,ö,å, yhteensä 256 merkkiä. Alla kuva 7-bittisestä ASCII-merkistöstä. b1 tarkoittaa oikeanpuoleisinta bittiä, b7 vasemmanpuoleisinta.

Esim. sana Toke tallennettaisiin seuraavasti:
1010100 1101111 1101011 1100101

ASCII (myös laajennettuna) sisältää liian vähän merkkejä moneen tarkoitukseen. Siksi nykyään käytetään yleensä monessa paikassa UNICODE - merkistöä, jossa yhden merkin tallentamiseen käytetään 2-4 tavua (16-32 bittiä). Unicoden avulla on mahdollista kuvata yli miljoona erilaista kirjoitusmerkkiä.

Sivut biteiksi
Merkkien lisäksi halutaan usein tallentaa tekstin asettelu ja ulkonäkö joko sivulle tai näytölle sommiteltuna. Tällöin täytyy tallentaa kirjoitusmerkkien lisäksi mm. fontit, värit, marginaalit, palstoitukset, tekstin seassa olevat kuvat, taulukot ym. Tätä varten on olemassa erilaisia tiedostotyyppejä, joissa nämä koodataan ennalta sovitulla tavalla.

Tekstinkäsittely- ja muut ohjelmistot haluavat tallentaa niillä tehdyt asiakirjat kukin omaan tiedostomuotoonsa. Näissä koodauksen yksityiskohdat vaihtelevat.
Tyypillisimpiä ovat Word 2007:n docx, vanhempien Wordien doc, Open Officen odt, Word Perfect wpd jne. Lisäksi monilla tekstinkäsittely- ja taitto-ohjelmilla voi tallentaa pdf-tiedostomuotoon. Pdf-tiedostoja voidaan lukea mm. Adobe reader-ohjelmalla.