Représentation des caractères

Objectifs

• Comprendre qu'un caractère est un entier associé à un symbole
• Connaître les limites d'ASCII (7 bits)
• Situer Unicode / UTF-8 comme standard actuel

Idée clé

La machine ne stocke que des bits. Un caractère est donc un code numérique (souvent affiché en décimal ou hexadécimal) relié à un glyphe : « A », « é », « 字 », etc. Le système de règles qui fait ce lien s'appelle un codage.

Qu'est-ce qu'un caractère ?

Lettre, chiffre, ponctuation, symbole, emoji… Pour la machine, c'est un nombre.

Exemple : en ASCII / Unicode, la lettre A a le code 65 ($41_{(16)}$).

ASCII (7 bits)

ASCII (American Standard Code for Information Interchange) code un caractère sur 7 bits → $2^7 = 128$ symboles.

Cela couvre notamment :

• lettres latines a–z, A–Z
• chiffres 0–9
• ponctuation et caractères de contrôle (espace, retour à la ligne…)

Limite : pas d'accents français (é), ni d'alphabets non latins. D'où l'extension vers Unicode.

Unicode et UTF-8

Unicode attribue à chaque symbole un point de code unique, noté souvent U+XXXX (hexadécimal).

Exemples :

• A → U+0041
• é → U+00E9
• 字 → U+5B57

UTF-8 est un encodage de ces points de code en une suite d'octets (1 à 4 octets selon le caractère). C'est le format dominant sur le Web et en Python.

• Les caractères ASCII restent sur 1 octet (compatibilité)
• Les caractères plus « riches » prennent plusieurs octets

>>> ord("A")
65
>>> hex(ord("é"))
'0xe9'
>>> "é".encode("utf-8")
b'\xc3\xa9'   # deux octets en UTF-8

Table de référence : charset.org/utf-8

Piège fréquent

Confondre point de code Unicode et suite d'octets UTF-8. Le point de code de é est U+00E9 ; en UTF-8, ce n'est pas un seul octet E9, mais \xc3\xa9.

À retenir

• Caractère = symbole ↔ nombre (code)
• ASCII : 7 bits, 128 caractères, alphabet latin de base
• Unicode : catalogue universel de points de code
• UTF-8 : encodage variable (1 à 4 octets), compatible ASCII
• En Python : ord, chr, .encode("utf-8")
• Toujours connaître l'encodage d'un fichier texte (UTF-8 de préférence)

Pour s'entraîner

Exercices — données binaires