Base de conhecimentoCentro de Exames
PT · PTPortuguês (Portugal)
Escolher idioma13

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.

Fontes