Codage de caractères

Objectifs

Codage des caractères et applications.

Consignes

• Continuez à compléter Doctools , se connecter à l'aide des codes perso distribués.
• Utiliser le code r2FF pour accéder au document à compléter en ligne.

Le codage des caractères en ASCII

Un caractère est stocké par l'ordinateur sous la forme d'un entier. Pour l'utilisation commerciale de centres de données, IBM a popularisé le codage ASCII (American Standard Code for Information Interchange) . C'est la norme de codage de caractères la plus influente à ce jour.

ASCII

ASCII définit 128 codes sur 7 bits, comprenant 95 caractères imprimables : les chiffres de 0 à 9, les lettres minuscules a à z (de 97 à 122) et majuscules A à Z (de 65 à 90), et des symboles mathématiques et de ponctuation.

Un 8e bit fut rajouté pour étendre le nombre possible de caractères à 256 et incorporer des caractères accentués. Les caractères associés aux valeurs 128 à 255 diffèrent selon les variantes linguistiques du codage ASCII. Pour l'Europe occidentale il s'agit de la page de code 850

Exemple

Dans la norme ASCII un caractère correspond à un octet (8bit). On peut le représenter par une valeur entre 0 et 255, ou en écriture binaire à 8chiffres, ou en écriture hexadécimale à 2 chiffres.

Le prénom Lyna correspond en ASCII aux valeurs 76.121.110.97 soit 4C.79.6E.62 en hexadécimal et 01001100.01111001.01101110.01100001en binaire.

Exercice 11 : Un mystérieux tweet

Le 10 mars 2021, le compte twitter de la Banque d'Angleterre a posté le tweet ci-dessous :

1. Déchiffrez le message écrit sur l'image.
2. Déchiffrez le hashtag du message.

Codages de caractères d'aujourd'hui

La diversité des implémentations de la norme ASCII rendait délicat l'utilisation simultanée de plusieurs langues dans un même document ou page web : une thèse en hébreux sur la Grèce antique par exemple, ou un site web en arabe avec des mots de japonais. Un codage de caractères en Unicode avec 2 octets par caractère n'a pas été adopté car les anglophones sont longtemps restés réticents à doubler la taille de l'espace mémoire nécessaire ou pour stocker un même texte.

L'arrivée des smartphones ammène la nécessité de pouvoir proposer un même système/logiciel/application en différentes langues, ou d'écrire un courriel en chinois sur un téléphone acheté en France. Les informaticiens ont été contraints d'adopter une norme commune : ce sera l'UTF-8 (Universal Character Set Transformation Format1 - 8 bits). En plus de caractères cyrilliques, kanjis, hanzi, hangul,etc, l'UTF-8 permet de gérer même les emojis 🐓🥚🍳 !

Pour plus de détails sur la difficile adoption d'une norme de codage pour les caractères vous pouvez consulter ce billet

Point Python

L'instruction chr() prend en entrée un code entier et renvoie le caractère associé à un code.

L'instruction ord() prend pour entrée un caractère et renvoie son Unicode.

Taper chr(65) et ord("A") dans la console python.

Tronquer ou non le feedback dans les terminaux (sortie standard & stacktrace / relancer le code pour appliquer)

Si activé, le texte copié dans le terminal est joint sur une seule ligne avant d'être copié dans le presse-papier

Exercice 12

Quel est l'unicode de l'emoji 😎 ?

Tronquer ou non le feedback dans les terminaux (sortie standard & stacktrace / relancer le code pour appliquer)

Si activé, le texte copié dans le terminal est joint sur une seule ligne avant d'être copié dans le presse-papier