Znalostní bázeCentrum zkoušek
CSČeština
Vybrat jazyk13

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.

Zdroje