База знанияИзпитен център
BGБългарски
Избери език13

CKTIS / Python

Текст Unicode и байтове

Стойност str е неизменяема последователност от кодови точки Unicode, а bytes пази кодирани байтове.

Версия: Python 3.14; repository image, production runtime not attested

Синтаксис

unicodedata.normalize("NFC", text)

Стойност str е неизменяема последователност от кодови точки Unicode, а bytes пази кодирани байтове.

Визуално сходни текстове може да имат различни кодови точки, дължина и резултат от сравнение. Нормализацията NFC може да уеднакви канонично еквивалентни форми.

Дължината в байтове UTF-8 все още може да се различава от броя кодови точки.

Примери

from unicodedata import normalize
composed = "é"
split = "e\u0301"
print(composed == split, len(composed), len(split))
print(normalize("NFC", split) == composed, len(composed.encode("utf-8")))
print("Straße".casefold() == "STRASSE".casefold())

Резултат

False 1 2
True 2
True

Дължината в байтове UTF-8 все още може да се различава от броя кодови точки.

Източници