Unicode

ISO-10646

La norme ISO-10646 définit un "jeu universel de caractères" (UCS: Universal Character Set).

Cette norme associe à chaque caractère un nom et un numéro (appelé point de code).

Par exemple U+2735 est le point de code du caractère ✵. Le nom de ce caractère est "Eight Pointed Pinwheel Star". Consultez cette page.

Avec python3:

>>> '\u2735'
'✵'
>>> '\N{Eight Pointed Pinwheel Star}'
'✵'

Unicode

Le standard Unicode est un mécanisme universel de codage de caractères. Il facilite le codage de textes multilingues, l'échange de données textuelles. Cette norme a défini plusieurs techniques d'encodage UTF (universal transformation format) des points de code de l'ISO-10646: UTF-8, UTF-16, UTF-32.

L'encodage le plus usité pour Unicode est utf-8. Cet encodage code les caractères sur 1 à 4 octets.

Aujourd'hui, il n'y a plus aucune raison d'utiliser des normes telles que ISO 8859-1, même si, vous l'avez vu, elles sont encore présentes dans les logiciels.

Important

Vous veillerez à ce que tous les textes, tous les codes que vous rendez pendant l'année soient encodés en UTF8.

En python

Nous avons utilisé la fonction ord de python pour obtenir les codes ASCII des lettres de l'alphabet.
En fait, la fonction ord de python3 renvoie le code unicode (c'est à dire l'entier associé au caractère par la norme ISO-10646). Les caractères ASCII ont un code ASCII préservé en unicode.
Les codes obtenus pour les lettres étaient donc à la fois les codes ASCII et les codes unicode.

Exercice

La fonction chr de python est la fonction "inverse" de ord. Elle prend un entier en paramètre et renvoie le caractère ayant cet entier comme code utf8.

>>> chr(128690)
'🚲'

(le caractère affiché est 🚲).

La liste suivante

[233, 112, 97, 116, 97, 110, 116, 32, 33]

correspond à la liste des codes unicodes d'une chaîne. Laquelle?

Vous écrirez une fonction python de "décodage".

Une réponse

Un script python:

def lireCode(liste):
    """
    liste -- liste de codes unicode

    renvoie la chaîne de caractères correspondante
    """
    chaine = ""
    for nombre in liste:
        chaine += chr(nombre)
    return chaine

Essai:

>>> lireCode([233, 112, 97, 116, 97, 110, 116, 32, 33])
'épatant !'