소스 검색

proofread 3

master
Dimitri Merejkowsky 5 년 전
부모
커밋
a3910a9122
1개의 변경된 파일41개의 추가작업 그리고 18개의 파일을 삭제
  1. +41
    -18
      sessions/python-14.md

+ 41
- 18
sessions/python-14.md 파일 보기

@@ -21,14 +21,16 @@ Détaillons.
On peut *interpréter* bits et octets comme des nombres

```
10: 0..9 305 305 3*100 + 0*10 + 5*1
2: 01 5 101 1*4 + 0*2 + 1*1
10: 0..9 305 305 3*10 + 0*10 + 5*1
16: 0..9..F 3490 DA2 (d=13)*256 + (a=10)*16 + 2*1
```

# Bases en Python

```python
>>> 5
5
>>> 0b101
5
>>> 0xda2
@@ -50,8 +52,8 @@ Avec `bytearray` par exemple:
data = bytearray(
[0b1100001,
0b1100010,
0b1100011,
0b1100100]
0b1100011
]
)
# equivalent:
data = bytearray([97,98,99])
@@ -75,13 +77,13 @@ On peut interpréter des octets comme du texte - c'est la table ASCII

# Utiliser ASCII en Python

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

```python
>>> ord('a')
97
>>> chr(98)
'b'
>>> ord('a')
97
```

# Affichage des bytearrays en Python
@@ -99,12 +101,12 @@ Et `\x` et le code hexa sinon:
```python
>>> data = bytearray([7, 69, 76, 70])
>>> data
bytearray(b'\x07ELF')
bytearray(b"\x07ELF")
```

# Types

La variable `b"abc"` est une "chaîne de bits", de même que `"abc"` est une "chaîne de caractères".
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`:

@@ -114,7 +116,7 @@ str
>>> type(b"abc")
bytes
```
Notez bien que ce qu'affiche Python n'est qu'une *interpétation* du tableau de bits.
Notez bien que ce qu'affiche Python n'est qu'une *interpétation* d'une séquence d'octets.

# bits versus bytearray

@@ -136,18 +138,19 @@ Par contre on peut modifier un bytearray

```python
>>> b = bytearray(b"foo")
>>> b[0] = 95
>>> b[0] = 103
>>> b
bytearray("_oo")
bytearray("goo")
```


# Plus loin que l'ASCII

Pas de caractères accentuès dans ASCII. Du coup, on a d'autres *conventions* qu'on appelle "encodage".
Pas de caractères accentués dans ASCII. Du coup, on a d'autres *conventions* qu'on appelle "encodage".

```python
# latin-1: utilisé sur certains vieux sites
# - souvent européens
# souvent européens
>>> bytearray([0b11101001]).decode('latin-1')
'é'
```
@@ -158,24 +161,44 @@ Pas de caractères accentuès dans ASCII. Du coup, on a d'autres *conventions* q
'Ú'
```

Mais ça, c'était avant. Avant UTF-8, un encodage qui a mis tout le monde d'accord.
Mais ça, c'était avant.

# UTF-8 en pratique
# UTF-8

* La table unicode - caractère -> codepoint
* Un encodage qui a mis tout le monde d'accord
* Compatible avec ASCII
* Mais certains caractères sont représentés par 2 octets ou plus:

# UTF-8 en pratique

* Certains caractères sont représentés par 2 octets ou plus:

![utf8 exemple](img/utf8.png)

*note: toutes les séquences d'octets ne sont pas forcément valides*

# Conséquences

* Peut représenter *tout* type de texte (latin, chinois, coréen, langues disparues, ....)
* On ne peut pas accéder à la n-ème lettre directement dans une chaîne unicode, il faut parcourir lettre par lettre
* Et toutes les séquences de bits ne sont pas forcément valides


# Fichiers

```python
with open("fichier.txt", "r") as f:
contents = f.read() # type: str
```

\vfill

```python
with open("fichier.txt", "rb") as f:
contents = f.read() # type: bytes
```

# Conclusions

* On utilise souvent le binaire pour échanger entre Python et le monde extérieur
* Python vous cache un peu ça en utilisant UTF-8 par défaut donc ça marche souvent
* Le 'plain text' n'existe pas: tout texte a un *encodage*, et il vous faut connaître cet encodage
* Si vous avez le choix, utilisez UTF-8