Base de connaissancesCentre d’examen
FRFrançais
Choisir la langue13

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.

Sources