CKTIS / Python
Unicode tekst i bajtovi
Vrijednost str nepromjenjiv je slijed kodnih točaka Unicodea, a bytes čuva kodirane bajtove.
Verzija: Python 3.14; repository image, production runtime not attested
Sintaksa
unicodedata.normalize("NFC", text)Vrijednost str nepromjenjiv je slijed kodnih točaka Unicodea, a bytes čuva kodirane bajtove.
Vizualno slični tekstovi mogu imati različite kodne točke, duljinu i jednakost. Normalizacija NFC može ujednačiti kanonski jednake oblike.
Duljina u bajtovima UTF-8 još se može razlikovati od broja kodnih točaka.
Primjeri
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())
Rezultat
False 1 2 True 2 True
Duljina u bajtovima UTF-8 još se može razlikovati od broja kodnih točaka.