CKTIS / Python
Texto Unicode e bytes
Um str é uma sequência imutável de pontos de código Unicode e bytes guarda octetos codificados.
Versão: Python 3.14; repository image, production runtime not attested
Sintaxe
unicodedata.normalize("NFC", text)Um str é uma sequência imutável de pontos de código Unicode e bytes guarda octetos codificados.
Textos visualmente semelhantes podem diferir em pontos de código, comprimento e igualdade. A normalização NFC pode unificar formas canonicamente equivalentes.
O comprimento em bytes UTF-8 pode continuar diferente do número de pontos de código.
Exemplos
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())
Resultado
False 1 2 True 2 True
O comprimento em bytes UTF-8 pode continuar diferente do número de pontos de código.