Baza znanjaCentar za ispite
HRHrvatski
Odaberi jezik13

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.

Izvori