cours-python/sessions/python-14.md

% Programmation avec Python (chapitre 14) % Dimitri Merejkowsky

\center \huge Parlons de binaire

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.

Détaillons.

Bases

On peut interpréter bits et octets comme des nombres

 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

>>> 0b101
5
>>> 0xda2
3490

>>> bin(5)
"0b101"
>>> hex(3490)
"0xda2"

Manipuler des octets en Python

Avec bytearray par exemple:

data = bytearray(
  [0b1100001,
   0b1100010,
   0b1100011,
   0b1100100]
)
# equivalent:
data = bytearray([97,98,99])
# equivalent aussi:
data = bytearray([0x61, 0x62, 0x63]

Texte

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

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

En ASCII

C’est aussi la façon dont l’affiche python

>>> data = bytearray([97,98,99])
>>> data
bytearray(b"abc")

Types

La variable b"abc" est une “chaîne de bits”, de même que "abc" est une “chaîne de caractères”.

Python apelle ces types bytes et str:

>>> type("abc")
str
>>> type(b"abc")
bytes

Notez bien que ce qu’affiche Python n’est qu’une interpétation du tableau de bits.

bits versus bytearray

De la même manière qu’on ne peut pas un caractère dans une string, on ne peut pas modifier un bit - ou un octet dans un 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

bits versus bytearray (2)

Par contre on peut modifier un bytearray

>>> b = bytearray(b"foo")
>>> b[0] = 95
>>> b
bytearray("_oo")

Quand ce n’est pas imprimable

Python affiche \x et le code hexa:

>>> data = bytearray([7, 69,  76, 70])
>>> data
bytearray(b'\x07ELF')

Plus loin que l’ASCII

Pas de caractères accentuès dans ASCII. Du coup, on a d’autres conventions qu’on appelle “encodage”.

# latin-1: utilisé sur certains vieux sites
# - souvent européens
>>> bytearray([0b11101001]).decode('latin-1')
'é'

# cp850: dans l'invite de commande Windows
>>> bytearray([0b11101001]).decode('cp850')
'Ú'

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

UTF-8 en pratique

• Compatible avec ASCII
• Mais certains caractères sont représentés par 2 octets ou plus:

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

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