Aller au contenu principal

Représentation du texte

Objectifs

  • Connaître les encodages ASCII, ISO-8859-1 et Unicode (UTF-8).
  • Identifier l'intérêt des différents systèmes d'encodage.
  • Convertir un fichier texte dans différents formats d'encodage.

Rappel de cours​

Vocabulaire

  • Encodage : règle qui associe à chaque caractère une suite d'octets.
  • ASCII : 128 caractères (lettres sans accents, chiffres, ponctuation), codés sur 7 bits.
  • ISO-8859-1 (ou Latin-1) : 256 caractères sur 1 octet ; ajoute les lettres accentuées d'Europe de l'Ouest.
  • Unicode : catalogue de tous les caractères du monde ; chacun a un numéro, son point de code (« é » est U+00E9).
  • UTF-8 : encodage d'Unicode sur 1 à 4 octets, compatible avec l'ASCII. C'est l'encodage du Web.

Comparer les encodages

ASCIIISO-8859-1UTF-8
Caractères128256tous ceux d'Unicode
Octets par caractère111 à 4
« é »impossibleE9C3 A9
« € »impossibleimpossibleE2 82 AC
  • Lire un fichier avec le mauvais encodage donne des caractères bizarres : « café » enregistré en UTF-8 puis lu en ISO-8859-1 s'affiche « café ».
  • En Python, on précise toujours l'encodage d'un fichier : open("notes.txt", encoding="utf-8").
>>> "é".encode("utf-8")
b'\xc3\xa9'
>>> "é".encode("latin-1")
b'\xe9'

Entraînements​

Entraînement

Codes ASCII

Préparation de la question…

Entraînement

Taille d'un texte selon l'encodage

Préparation de la question…

Entraînement

Octets en UTF-8

Préparation de la question…

Entraînement

Erreurs d'encodage

Préparation de la question…

Convertir un texte ou un fichier​

Tape un texte ou ouvre un fichier pour voir ses octets dans chaque encodage, puis télécharge-le dans l'encodage de ton choix.

Outil

Convertisseur d’encodages

EncodageTailleOctets (hexadécimal)Fichier
ASCII—Impossible : « É è « ç » € » n’existe pas dans cet encodage
ISO-8859-1 (Latin-1)—Impossible : « € » n’existe pas dans cet encodage
UTF-835 oC3 89 6C C3 A8 76 65 20 3A 20 C2 AB 20 C3 A7 61 20 6D 61 72 63 68 65 20 21 20 C2 BB 20 31 30 20 E2 82 AC
UTF-16 (big-endian)56 o00 C9 00 6C 00 E8 00 76 00 65 00 20 00 3A 00 20 00 AB 00 20 00 E7 00 61 00 20 00 6D 00 61 00 72 00 63 00 68 00 65 00 20 00 21 00 20 00 BB 00 20 00 31 00 30 00 20 20 AC

Et si on se trompe d’encodage à la lecture ?

Enregistré en UTF-8, lu en ISO-8859-1
Élève : « ça marche ! » 10 €
Enregistré en ISO-8859-1, lu en UTF-8
Impossible : le texte ne s’encode pas en ISO-8859-1

Ouvrir un fichier texte

Le fichier reste sur ton appareil : il n’est envoyé nulle part. On affiche ses octets et sa lecture dans chaque encodage ; en cliquant sur « Utiliser », son texte passe dans la zone ci-dessus, où tu peux le réenregistrer dans un autre encodage.

Réglages d’affichage

Ces réglages s’appliquent tout de suite et sont mémorisés sur cet appareil.

Thème
Taille du texte
Police