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.