瀏覽代碼

Ajout du chapitre 15

master
Dimitri Merejkowsky 4 年之前
父節點
當前提交
5106ddd749
共有 5 個檔案被更改,包括 433 行新增0 行删除
  1. +314
    -0
      cours/source/15-fichiers-et-données-binaires/01-données-binaires.rst
  2. +101
    -0
      cours/source/15-fichiers-et-données-binaires/02-fichiers.rst
  3. +17
    -0
      cours/source/15-fichiers-et-données-binaires/index.rst
  4. 二進制
      cours/source/img/ascii-table.png
  5. +1
    -0
      cours/source/index.rst

+ 314
- 0
cours/source/15-fichiers-et-données-binaires/01-données-binaires.rst 查看文件

@@ -0,0 +1,314 @@
Données binaires
================

Introduction : chiffres et nombres
-----------------------------------

Si je vous parle de ce que représente le texte: ``342`` vous pouvez le
voir de deux façons:

1. C'est une **suite de chiffres**: ``3``, puis ``4``, puis ``2``.
1. C'est un **nombre** (quelque part entre 300 et 350)

On se sert des *chiffres* de 0 à 9 pour *représenter* des *nombres*

La base 10
----------

Plus exactement, pour passer de la suite de chiffres ``342`` au nombre,
on part de la fin, puis on ajoute chaque chiffre, multiplié par la puissance
de 10 adéquate::

2 * 1
+ 4 * 10
+ 2 * 10 * 10

soit::

2
+ 40
+ 300

ce qui fait bien 342.


La base 16
----------

En informatique, on se sert souvent de la base 16. C'est le même principe: on se
sert des "chiffres" de 0 à F (A vaut 10, B vaut 11, jusqu'à F qui vaut 15)

Ainsi, la suite ``DA2`` peut être interprétée comme suit ::

2 * 1
+ 10 * 16
+ 13 * 16 * 16

soit ::

2
+ 160
+ 3328

soit 3746

On appelle aussi la base 16 la base *hexadécimale*, ou *hexa* en abrrégé.

La base 2
----------

La base 2 c'est pareil, mais avec deux "chiffres" - 0 et 1.

Ainsi, la suite `110` peut être interprétée comme suit ::

0 * 1
+ 1 * 2
+ 1 * 2 * 2

soit ::

0
+ 2
+ 4

soit 6.


Bits et octets
--------------

* Un bit (*bit* en anglais) c'est la valeur 1 ou 0
* Un octet (*byte* en anglais) c'est une suite de 8 bits

À retenir
---------

**Ces paquets de 8 ne veulent rien dire en eux-mêmes**.
Ils n'ont de sens que dans le cadre d'une *convention*.

Par exemple, l'octet '10100100' peut être un nombre écrit en
binaire (164 en l'occurrence), mais peut avoir une toute
autre signification

Le nombre de valeurs possible augmente *très* rapidement avec le nombre d'octets:

* 1 octet, c'est 255 valeurs possibles (``2 ** 8``)
* 2 octets, c'est 65.536 valeurs possibles (``2 ** 16``)
* 4 octets, c'est 4.294.967.296 valeurs possibles (``2 ** 32``)

Bases en Python
---------------

On se sert des préfixes `0b` et `0x` pour noter
les nombres en base binaire ou hexadécimale respectivement::

print(0b1110)
# affiche: 6

print(0xDA2)
# affiche: 3490

Poids des bits
--------------

Regardez l'example suivant::

x = 0b0010010 # 18
y = 0b0010011 # 19
z = 0b1010010 # 82

Notez que le premier bit est plus "fort" que le dernier on dit qu'on est en "little endian".


Manipuler des octets en Python
------------------------------

On peut construrie des listes d'octets en utilsant ``bytearray`` et
une liste de nombres::

data = bytearray(
[0b1100001,
0b1100010,
0b1100011
]
)

# equivalent:
data = bytearray([97,98,99])

# equivalent aussi:
data = bytearray([0x61, 0x62, 0x63]


Texte
-----

On peut aussi interpréter des octets comme du texte - c'est la table ASCII

.. image:: ../img/ascii-table.png


ASCII - remarques
-----------------

* C'est *vieux* - 1960
* Le A est pour American
* Ça sert à *envoyer* du texte sur des terminaux d'où les "caractères" non-imprimables dans la liste
* Mais c'est une convention *très* utilisée
* Techniquement, on n'a besoin que de 7 bits, mais on préfère envoyer des octets

Utiliser ASCII en Python
------------------------

Avec ``chr`` et ``ord``::

x = chr(98)
print(x)
# affiche: b

x = ord('a')
print(x)
# affiche: 97

Affichage des bytearrays en Python
----------------------------------

Python utilise ASCII pour afficher les bytearrays si les caractères sont "imprimables"::

data = bytearray([97,98,99])
print(data)
# affiche: bytearray(b"abc")

Et ``\x`` et le code hexa sinon::

data = bytearray([7, 69, 76, 70])
print(data)
# affiche: bytearray(b"\x07ELF")

Notez bien que ce qu'affiche Python n'est qu'une *interpétation* d'une séquence d'octets.

Types
-----

La variable `b"abc"` est une "chaîne d'octets", de même que `"abc"` est une "chaîne de caractères".

Python apelle ces types `bytes` et `str`::

print(type("abc"))
# affiche: str

print(type(b"abc"))
# affiche: bytes


bytes et bytearray
------------------

De la même manière qu'on ne peut pas modifier un caractère à l'intérieur une string, on ne peut
pas modifier un bit - ou un octet dans une variable de type `bytes`::

a = "foo"
# a[0] = "f" => TypeError: 'str' object does not support item assignment

b = b"foo"
# b[0] = 1 => TypeError: 'bytes' object does not support item assignment

Par contre on peut modifier un bytearray::

b = bytearray(b"foo")
b[0] = 103
print(b)
# affiche: bytearray(b"goo")

Conversion bytes - texte
------------------------

Avec ``encode()`` et ``decode()``::

text = "chaise"
encodé = text.encode("ascii")
print(encodé)
# affiche: b"chaise"

bytes = b"table"
décodé = bytes.decode("ascii")
print(décodé)
# affiche: b"table"


Notez que dans le deuxième exemple, on est bien en train de "décoder"
un paquet de 0 et de 1. Il peut s'écrire ainsi:


bytes = b"\x74\x61\x62\x6c\x65"
décodé = bytes.decode("ascii")
print(décodé)
# affiche: table

Plus loin que l'ASCII
---------------------

Vous avez sûrement remarquer qu'il n'y a pas de caractères accentués dans
ASCII. Du coup, il existe d'autres *conventions* qu'on appelle "encodage".

On peut spécifier l'encodage quand on appelle la méthode ``decode()``::

# latin-1: utilisé sur certains vieux sites
data = bytearray([233])
lettre = data.decode('latin-1')
print(lettre)
# affiche: 'é'

# cp850: dans l'invite de commande Windows
data = bytearray([233])
lettre = data.decode('cp850')
print(lettre)
# affiche: 'Ú'

Notez que la même suite d'octets a donné des résultats différents en fonction
de l'encodage!

Unicode
--------

L'Unicode c'est deux choses:

1. Une **table** qui associe un un "codepoint" à chaque caractère
2. Un encodage particulier, l'UTF-8, qui permet de convertir une suite
d'octets en suite de codepoint et donc de caractères

UTF-8 en pratique
------------------

D'abord, UTF-8 est compatible avec ASCII::

encodé = "abc".encode("utf-8")
print(encodé)
# Affiche: b'abc'

Ensuite, certains caractères (comme ``é``) sont représentés par 2 octets::

encodé = "café".encode("utf-8")
print(encodé)
# Affiche: b'caf\xc3\xa9"


Enfin, certains caractères (comme les emojis) sont représentés par pleins d'octets::

encodé = "I ❤️ you".encode("utf-8")
print(encodé)
b'I \xe2\x9d\xa4\xef\xb8\x8f you'


.. warning::

Toutes les séquences d'octets ne sont pas forcément valides quand on veut
les décoder en UTF-8

Conséquences
-------------

* On peut représenter *tout* type de texte avec UTF-8 (latin, chinois, coréen, langues disparues, ....)
* On ne peut pas accéder à la n-ème lettre directement dans une chaîne
encodée en UTF-8, il faut parcourir lettre par lettre (ce qui en pratique est rarement
un problème).

+ 101
- 0
cours/source/15-fichiers-et-données-binaires/02-fichiers.rst 查看文件

@@ -0,0 +1,101 @@
Fichiers
========

Ouvrir un fichier en lecture
----------------------------

Fichiers "textes" et fichiers "binaires"
+++++++++++++++++++++++++++++++++++++++++

Cela vous est peut-être déjà arrivé: Imaginons que vous ayez dans
votre répertoire courant un code source python danse ``mon_script.py``
et un pdf dans ``cours.pdf``,

Vous pourrez ouvrir ``mon_script.py`` dans un éditeur de texte,
mais pas ``cours.pdf`` - ou alors ça affichera n'importe
quoi.

En Pyton, on utilise la fonction native ``open()``, en passant en argument
le chemin du fichier.

Selon que l'on veuille accéder au *texte* dans le fichiers ou aux données
binaires qui sont à l'intérieur, on utilise l'argument ``"r"`` ou ``"rb"``
('r' comme 'read', et 'b' comme 'binary')

Enfin, ``open()`` renvoie un "file-objet", qu'on note souvent
'f', qui contient une méthode ``read()`` pour lire le contenu
du fichier.

En pratique, voilà ce que cela donne::

f = open("mon_script.py", "r")
code = f.read()
print(code)
# affiche le code dans le fichier foo.py

f = open("cours.pdf", "rb")
données = f.read()
# données est mainteant une grosse suite
# d'octets

f = open("cours.pdf", "r")
f.read()
# Erreur: UnicodeDecodeError: 'utf-8' codec can't
# decode byte 0xd0 in position 10


Comme on doit utilisé l'option ``rb`` pour lire le pdf, on dit parfois
que le fichier ``pdf`` est un fichier "binaire", par opposition avec
``mon_script.py`` qui est un fichier "texte".

Ça n'a pas vraiment de sens: les deux fichiers sont stockés sur votre
ordinateur comme des suites d'octets, indépendamment de leur contenu.

Il se trouve que l'un des deux contient une suite d'octets qui est
décodable en tant que string. En fait, sous le capot, la suite d'octets
renvoyée dans le premier example a été décodée avec l'encodage par défaut
de votre système. On peut d'ailleurs passer l'encodage en argument à
``open()``::

f = open("vieux_texte_en_latin_1.txt", "r", encoding="latin-1")
texte = f.read()

Ouvrir un fichier en écriture
-----------------------------

On peut aussi *écrire* dans un fichier, toujours avec ``open()``,
mais cette fois avec la méthode ``write()`` du file-objet.

On peut écrire du texte avec l'option ``"w"`` et une chaîne de
caractères ::

f = open("mon_script.py", "w")
f.write("Nouveau contenu!")

Et écrire directement des données binaires avec ``"wb"`` et
une suite d'octets ::

f = open("cours.pdf", "wb")
f.write(b"\x0c\x1f...")

Encore une fois, sous le capot, la chaîne de caractères sera encodée par
Python avant d'être écrite dans le fichier texte


Fermeture des file-objets
--------------------------

Notez qu'il est impératif de fermer les fichiers que vous ouvrez - que ce soit
en lecture ou en écriture, en appelant la méthode ``close()``::

f = open("mon_poéme.py", "w")
f.write(premier_vers)
f.write(deuxième_vers)
f.close()

Conseils
--------

* On utilise souvent le binaire pour échanger entre Python et le monde extérieur
* Tout texte a un *encodage*, et il vous faut connaître cet encodage pour travailler avec
* Si vous avez le choix, utilisez UTF-8

+ 17
- 0
cours/source/15-fichiers-et-données-binaires/index.rst 查看文件

@@ -0,0 +1,17 @@
Chapitre 15: Données binaires et fichiers
==========================================

On vous a peut-être déjà dit que l'informatique consiste à
manipuler des suites de 0 et et de 1s, mais qu'en est-t-il
exactement ?

De manière surprenante, la réponse à cette question
va nous emmener sur un chemin qui va parler
de maths, puis de comment le langage Python
peut interagir avec "l'extérieur".

.. toctree::
:maxdepth: 1

01-données-binaires
02-fichiers

二進制
cours/source/img/ascii-table.png 查看文件

Before After
Width: 1724  |  高度: 1241  |  大小: 35 KiB

+ 1
- 0
cours/source/index.rst 查看文件

@@ -19,3 +19,4 @@ Programmation en Python
12-modules-01/index
13-classes-02/index
14-bibliothèques-01/index
15-fichiers-et-données-binaires/index