📝 La représentation des caractères
Codage et encodage des symboles textuels
🎯 Objectif du cours
📚 Ce que vous allez apprendre
Cette leçon permettra de savoir comment représenter en binaire des caractères textuels.
Nous découvrirons les différents systèmes de codage et leurs évolutions.
Nous découvrirons les différents systèmes de codage et leurs évolutions.
📖 Définition
🔤 Qu'est-ce qu'un caractère ?
Un caractère est un symbole d'écriture représentant en général :
- Une lettre (A, b, C)
- Un chiffre (1, 2, 3, ...)
- Un symbole (字, Д, @, #)
A
Lettre latine
5
Chiffre
字
Caractère chinois
Д
Lettre cyrillique
🤖 Problème informatique : En informatique, on ne peut pas représenter directement un caractère car elle ne comprend que des 0 et des 1. Il faut donc les coder pour la machine.
🔧 Système de codage
Le codage d'un caractère est une association entre celui-ci et une représentation binaire.
Un système de codage est un ensemble de règles pour convertir une information par une autre (ici un caractère avec sa représentation binaire).
Un système de codage est un ensemble de règles pour convertir une information par une autre (ici un caractère avec sa représentation binaire).
🇺🇸 Un système de codage de caractère : ASCII
📋 ASCII (American Standard Code for Information Interchange)
L'ASCII est un codage qui utilise 7 bits pour représenter des caractères alpha-numériques et d'autres caractères réservés (comme l'espace ou le retour chariot).
En ayant 7 bits pour représenter un caractère, on peut représenter 2⁷ = 128 caractères.
En ayant 7 bits pour représenter un caractère, on peut représenter 2⁷ = 128 caractères.
📊 Capacité d'ASCII
7 bits = 128 caractères possibles
Cela inclut :
Cela inclut :
- 26 lettres minuscules (a-z)
- 26 lettres majuscules (A-Z)
- 10 chiffres (0-9)
- Symboles de ponctuation
- Caractères de contrôle
🔢 Exemples de codes ASCII
A
65 (décimal)
a
97 (décimal)
0
48 (décimal)
@
64 (décimal)
Pour faciliter la compréhension, on peut dresser une table de correspondance.
📋 Table de correspondance ASCII (extrait)
| Déc | Hex | Car | Déc | Hex | Car | Déc | Hex | Car | Déc | Hex | Car |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 32 | 20 | (espace) | 48 | 30 | 0 | 64 | 40 | @ | 80 | 50 | P |
| 33 | 21 | ! | 49 | 31 | 1 | 65 | 41 | A | 81 | 51 | Q |
| 34 | 22 | " | 50 | 32 | 2 | 66 | 42 | B | 82 | 52 | R |
| 97 | 61 | a | 113 | 71 | q | 122 | 7A | z | 126 | 7E | ~ |
⚠️ Limitation d'ASCII : À la vue de cette table, on remarque une chose importante : il n'y a que des symboles d'alphabets latins.
Or, il n'existe pas uniquement les alphabets latins mais aussi le cyrillique ou bien les symboles des alphabets chinois ou japonais.
💡 Solution : On a besoin d'un codage permettant de représenter davantage de caractères.
Or, il n'existe pas uniquement les alphabets latins mais aussi le cyrillique ou bien les symboles des alphabets chinois ou japonais.
💡 Solution : On a besoin d'un codage permettant de représenter davantage de caractères.
🌍 Un système plus inclusif : Unicode
🔤 Unicode - Le standard universel
Unicode est un système de codage de caractère qui utilise un certain nombre de bits en fonction de sa version, plus connu sous le nom de UTF.
On utilise plus souvent le système UTF-8 qui utilise 8 bits pour représenter des caractères. Il peut cependant utiliser 1, 2 voire même 3 groupes de 8 bits (octets) pour représenter davantage de caractères.
On utilise plus souvent le système UTF-8 qui utilise 8 bits pour représenter des caractères. Il peut cependant utiliser 1, 2 voire même 3 groupes de 8 bits (octets) pour représenter davantage de caractères.
🎯 Principe des points de code
Chaque symbole possède un point de code, qui est l'ensemble des bits permettant sa représentation, souvent représenté en hexadécimal.
🐍 Utilisation en Python
Python utilise l'encodage UTF-8 pour coder ses symboles et les représenter.
Il est possible d'observer un encodage spécial sur une chaîne de caractère en utilisant la méthode
Il est possible d'observer un encodage spécial sur une chaîne de caractère en utilisant la méthode
encode des chaînes de caractères.
풪
U+052A
Caractère coréen
A
U+0041
Lettre latine majuscule
ᛒ
U+16D2
Lettre B runique
字
U+5B57
Caractère chinois
🔗 Ressource utile
On retrouvera la table UTF-8 complète à cette adresse :
Table UTF-8