CKTIS / Python
Texte Unicode et octets
Un str est une suite immuable de points de code Unicode et bytes contient des octets encodés.
Version : Python 3.14; repository image, production runtime not attested
Syntaxe
unicodedata.normalize("NFC", text)Un str est une suite immuable de points de code Unicode et bytes contient des octets encodés.
Des textes d’aspect proche peuvent différer par leurs points de code, leur longueur et leur égalité. La normalisation NFC peut unifier des formes canoniquement équivalentes.
La longueur en octets UTF-8 peut encore différer du nombre de points de code.
Exemples
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())
Résultat
False 1 2 True 2 True
La longueur en octets UTF-8 peut encore différer du nombre de points de code.