CKTIS / Python
Texto Unicode y bytes
Un str es una secuencia inmutable de puntos de código Unicode y bytes almacena octetos codificados.
Versión: Python 3.14; repository image, production runtime not attested
Sintaxis
unicodedata.normalize("NFC", text)Un str es una secuencia inmutable de puntos de código Unicode y bytes almacena octetos codificados.
Textos de aspecto similar pueden diferir en puntos de código, longitud e igualdad. La normalización NFC puede unificar formas canónicamente equivalentes.
La longitud en bytes UTF-8 aún puede diferir del número de puntos de código.
Ejemplos
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())
Resultado
False 1 2 True 2 True
La longitud en bytes UTF-8 aún puede diferir del número de puntos de código.