GoupillWiki

Cette page est en lecture seule. Vous pouvez afficher le texte source, mais ne pourrez pas le modifier. Contactez votre administrateur si vous pensez qu'il s'agit d'une erreur.
====== Encodages : ASCII et Unicode ======

Les transistors, les circuits mémoires... stockent des entités binaires, des 0 et des 1. On a vu que l'on pouvait regrouper ses bits pour former des mots -- 1 octet est un mot de 8 bits.

**Comment va-t-on stocker des caractères ?**

===== Table ASCII =====

<WRAP tip>**A**merican **S**tandard **C**ode for **I**nformation **I**nterchange</WRAP>

128 caractères, pas de caractères accentués, beaucoup de <wrap round danger>caractères de contrôle</wrap> liés à la technologie de l'époque -- années 60.

Certains sont spécialement important néanmoins :
  * <wrap round safety>HT</wrap> pour //Horizontal Tab//, c'est à dire une tabulation que l'on note généralement ''%%'\t'%%''.
  * <wrap round safety>LF</wrap> pour //Line Feed//, c'est à dire une fin de ligne que l'on note généralement ''%%'\n'%%''.
  * <wrap round safety>CR</wrap> pour //Carriage Return//, c'est à dire le retour charriot ce qui correspond à un retour à la ligne que l'on note généralement ''%%'\r'%%''.
  * <wrap round safety>SP</wrap> pour //SPace//, c'est à dire l'espace ''%%' '%%''.

<WRAP tip>Il peut y avoir, selon le système et le langage, des variations pour indiquer un retour à la ligne. Autrefois, c'était ''%%'\r\n'%%'' ce que l'on retrouve dans certains échanges internet. Parfois, ''%%'\n'%%'' suffit, comme en Python.</WRAP>

|        ^ x0    ^ x1    ^ x2    ^ x3    ^ x4    ^ x5    ^ x6    ^ x7    ^ x8    ^ x9   ^ xA    ^ xB    ^ xC   ^ xD   ^ xE   ^ xF    ^
^ **0x** | <wrap round danger>NUL</wrap> | <wrap round danger>SOH</wrap> | <wrap round danger>STX</wrap> | <wrap round danger>ETX</wrap> | <wrap round danger>EOT</wrap> | <wrap round danger>ENQ</wrap> | <wrap round danger>ACK</wrap> | <wrap round danger>BEL</wrap> | <wrap round danger>BS</wrap>  | <wrap round safety>HT</wrap> | <wrap round safety>LF</wrap>  | <wrap round danger>VT</wrap>  | <wrap round danger>FF</wrap> | <wrap round safety>CR</wrap> | <wrap round danger>SO</wrap> | <wrap round danger>SI</wrap>  |
^ **1x** | <wrap round danger>DLE</wrap> | <wrap round danger>DC1</wrap> | <wrap round danger>DC2</wrap> | <wrap round danger>DC3</wrap> | <wrap round danger>DC4</wrap> | <wrap round danger>NAK</wrap> | <wrap round danger>SYN</wrap> | <wrap round danger>ETB</wrap> | <wrap round danger>CAN</wrap> | <wrap round danger>EM</wrap> | <wrap round danger>SUB</wrap> | <wrap round danger>ESC</wrap> | <wrap round danger>FS</wrap> | <wrap round danger>GS</wrap> | <wrap round danger>RS</wrap> | <wrap round danger>US</wrap>  |
^ **2x** | <wrap round safety>SP</wrap>  | !     | "     | #     | $     | %     | &     | '     | (     | )    | *     | +     | ,    | -    | .    | /     |
^ **3x** | 0     | 1     | 2     | 3     | 4     | 5     | 6     | 7     | 8     | 9    | :     | ;     | <    | =    | >    | ?     |
^ **4x** | @     | A     | B     | C     | D     | E     | F     | G     | H     | I    | J     | K     | L    | M    | N    | O     |
^ **5x** | P     | Q     | R     | S     | T     | U     | V     | W     | X     | Y    | Z     | [     | \    | ]    | %%^%%   | _     |
^ **6x** | %%`%%  | a     | b     | c     | d     | e     | f     | g     | h     | i    | j     | k     | l    | m    | n    | o     |
^ **7x** | p     | q     | r     | s     | t     | u     | v     | w     | x     | y    | z     | {     | %%|%%   | }    | ~    | <wrap round danger>DEL</wrap> |


===== Unicode =====

Codage international contenant environ 140 000 caractères pour tous les alphabets.

  * Les 128 premiers correspondent à ASCII
  * Les 256 premiers correspondent à ISO 8859-1 = Latin-1 -- lui-même compatible avec ASCII

Un caractère est Unicode codé sur 4 octets.

<WRAP tip>Le plus souvent, pour améliorer les performances, Unicode n'est pas utilisé directement. Pour les textes on utilise des adaptation, notamment **UTF-8**, permettant d'occuper moins de 4 octets par caractère. [[nsi:premiere:fichier_texte|On verra plus tard]].</WRAP>

==== Unicode et Python ====

En Python, on utilise directement Unicode ce qui permet d'écrire à peu près n'importe quel caractère.

<code python>
>>> ord('c')    # renvoie le code Unicode du caractère
99
>>> ord('и')
1080
>>> chr(99)     # opération inverse : code -> caractère
'c'
>>> chr(1080)
'и'
</code>