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
| ASCII | ISO-8859-1 | UTF-8 | |
|---|---|---|---|
| Caractères | 128 | 256 | tous ceux d'Unicode |
| Octets par caractère | 1 | 1 | 1 à 4 |
| « é » | impossible | E9 | C3 A9 |
| « € » | impossible | impossible | E2 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
| Encodage | Taille | Octets (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-8 | 35 o | C3 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 o | 00 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
- Ãlève : « ça marche ! » 10 â¬
- 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.