Python Language Les bases


Exemple

Dans Python 3, str est le type des chaînes activées par Unicode, tandis que les bytes sont le type des séquences d'octets bruts.

type("f") == type(u"f")  # True, <class 'str'>
type(b"f")               # <class 'bytes'>

Dans Python 2, une chaîne occasionnelle était une séquence d'octets bruts par défaut et la chaîne unicode correspondait à chaque chaîne avec le préfixe "u".

type("f") == type(b"f")  # True, <type 'str'>
type(u"f")               # <type 'unicode'>

Unicode en octets

Les chaînes Unicode peuvent être converties en octets avec .encode(encoding) .

Python 3

>>> "£13.55".encode('utf8')
b'\xc2\xa313.55'
>>> "£13.55".encode('utf16')
b'\xff\xfe\xa3\x001\x003\x00.\x005\x005\x00'

Python 2

dans py2, l'encodage par défaut de la console est sys.getdefaultencoding() == 'ascii' et non utf-8 comme dans py3, par conséquent, l'impression comme dans l'exemple précédent n'est pas directement possible.

>>> print type(u"£13.55".encode('utf8'))
<type 'str'>
>>> print u"£13.55".encode('utf8')
SyntaxError: Non-ASCII character '\xc2' in...

# with encoding set inside a file

# -*- coding: utf-8 -*-
>>> print u"£13.55".encode('utf8')
£13.55

Si l'encodage ne peut pas gérer la chaîne, un `UnicodeEncodeError` est généré:
>>> "£13.55".encode('ascii')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode character '\xa3' in position 0: ordinal not in range(128)

Octets à unicode

Les octets peuvent être convertis en chaînes Unicode avec .decode(encoding) .

Une séquence d'octets ne peut être convertie en une chaîne Unicode que via le codage approprié!

>>> b'\xc2\xa313.55'.decode('utf8')
'£13.55'

Si le codage ne peut pas gérer la chaîne, une UnicodeDecodeError est UnicodeDecodeError :

>>> b'\xc2\xa313.55'.decode('utf16')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Users/csaftoiu/csaftoiu-github/yahoo-groups-backup/.virtualenv/bin/../lib/python3.5/encodings/utf_16.py", line 16, in decode
    return codecs.utf_16_decode(input, errors, True)
UnicodeDecodeError: 'utf-16-le' codec can't decode byte 0x35 in position 6: truncated data