KennisbankExamencentrum
NL · NLNederlands (Nederland)
Taal kiezen13

CKTIS / Python

Unicode-tekst en bytes

Een str is een onveranderlijke reeks Unicode-codepunten en bytes bevat gecodeerde octetten.

Versie: Python 3.14; repository image, production runtime not attested

Syntax

unicodedata.normalize("NFC", text)

Een str is een onveranderlijke reeks Unicode-codepunten en bytes bevat gecodeerde octetten.

Visueel gelijkende teksten kunnen verschillende codepunten en lengtes hebben en ongelijk vergelijken. NFC-normalisatie kan canoniek gelijkwaardige vormen verenigen.

De UTF-8-bytelengte kan nog verschillen van het aantal codepunten.

Voorbeelden

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())

Resultaat

False 1 2
True 2
True

De UTF-8-bytelengte kan nog verschillen van het aantal codepunten.

Bronnen