4.4 KiB
% 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
10: 0..9 305 305 3*100 + 0*10 + 5*1
2: 01 5 101 1*4 + 0*2 + 1*1
16: 0..9..F 3490 DA2 (d=13)*256 + (a=10)*16 + 2*1
Valeurs possibles
Le nombre de valeurs possible augmente très rapidement avec le nombre d’octets:
- 1 octet: $2^8$: 255
- 2 octets: $2^{16}$: 65.536
- 4 octets: $2^{32}$: 4.294.967.296
Bases en Python
>>> 5
5
>>> 0b101
5
>>> 0xda2
3490
>>> bin(5)
"0b101"
>>> hex(3490)
"0xda2"
Poids des bits
0b0010010 # 18
0b0010011 # 19
0b1010010 # 82
Le premier bit est plus “fort” que le dernier - little endian
Manipuler des octets en Python
Avec bytearray par exemple:
data = bytearray(
[0b1100001,
0b1100010,
0b1100011
]
)
# 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
- Techniquement, on n’a besoin que de 7 bits, mais on préfère envoyer des octets
Utiliser ASCII en Python
Avec chr et ord
>>> chr(98)
'b'
>>> ord('a')
97
Affichage des bytearrays en Python
Python utilise ASCII pour afficher les bytearrays si les caractères sont “imprimables”
>>> data = bytearray([97,98,99])
>>> data
bytearray(b"abc")
Et \x et le code hexa sinon:
>>> data = bytearray([7, 69, 76, 70])
>>> data
bytearray(b"\x07ELF")
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:
>>> type("abc")
str
>>> type(b"abc")
bytes
Notez bien que ce qu’affiche Python n’est qu’une interpétation d’une séquence d’octets.
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] = 103
>>> b
bytearray("goo")
Conversion octets - texte
Avec encode() et decode():
>>> text = "hello"
>>> text.encode("ascii")
b"hello"
>>> octets = b"goodbye"
>>> text = octets.decode("ascii")
"goodbye"
Plus loin que l’ASCII
Pas de caractères accentués dans ASCII. Du coup, on a d’autres conventions qu’on appelle “encodage”.
# latin-1: utilisé sur certains vieux sites
# souvent européens
>>> bytearray([233]).decode('latin-1')
'é'
# cp850: dans l'invite de commande Windows
>>> bytearray([233]).decode('cp850')
'Ú'
Mais ça, c'était avant.
UTF-8
- La table unicode - caractère -> codepoint
- Un encodage qui a mis tout le monde d’accord
- Compatible avec ASCII
UTF-8 en pratique
- Certains caractères sont représentés par 2 octets ou plus:
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
Fichiers
with open("fichier.txt", "r") as f:
contents = f.read() # type: str
\vfill
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
- 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