CKTIS / Python
Text Unicode a bajty
Hodnota str je neměnná posloupnost kódových bodů Unicode a bytes uchovává zakódované bajty.
Verze: Python 3.14; repository image, production runtime not attested
Syntaxe
unicodedata.normalize("NFC", text)Hodnota str je neměnná posloupnost kódových bodů Unicode a bytes uchovává zakódované bajty.
Vzhledově podobné texty mohou mít různé kódové body, délku i výsledek porovnání. Normalizace NFC může sjednotit kanonicky ekvivalentní tvary.
Délka v bajtech UTF-8 se nadále může lišit od počtu kódových bodů.
Příklady
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())
Výsledek
False 1 2 True 2 True
Délka v bajtech UTF-8 se nadále může lišit od počtu kódových bodů.