La codifica è il processo tecnico che rappresenta testo, simboli e struttura in un formato che i computer possono memorizzare, trasmettere ed elaborare. Per le lingue, questo di solito significa mappare i sistemi di scrittura in standard come Unicode, in modo che i caratteri siano leggibili attraverso software, database e pipeline di IA. Senza una codifica corretta, una lingua può apparire come testo corrotto, perdere punteggiatura o separazioni tra parole, oppure diventare impossibile da cercare, etichettare o usare per l'addestramento in modo accurato.
Nella sicurezza informatica, la codifica è importante perché una gestione del testo errata o incoerente può interrompere la validazione, nascondere contenuti malevoli o rimuovere metadati e regole di accesso importanti dai dati sensibili. Gli attaccanti possono sfruttare discrepanze di codifica per aggirare i filtri o confondere i parser, mentre i difensori usano controlli rigorosi sulla codifica, la normalizzazione e la convalida degli input per preservare l'integrità. Nei sistemi di conservazione culturale, una codifica corretta è un controllo di base: consente alle समुदाय di digitalizzare la propria lingua mantenendo il testo abbastanza stabile per l'audit, il controllo degli accessi e il riuso responsabile.