📝 La représentation des caractères

🎯 Objectif du cours

📚 Ce que vous allez apprendre

Cette leçon permettra de savoir comment représenter en binaire des caractères textuels.

Nous découvrirons les différents systèmes de codage et leurs évolutions.

📖 Définition

🔤 Qu'est-ce qu'un caractère ?

Un caractère est un symbole d'écriture représentant en général :

Une lettre (A, b, C)
Un chiffre (1, 2, 3, ...)
Un symbole (字, Д, @, #)

Problème informatique

En informatique, on ne peut pas représenter directement un caractère car elle ne comprend que des 0 et des 1. Il faut donc les coder pour la machine.

🔧 Système de codage

Le codage d'un caractère est une association entre celui-ci et une représentation binaire.

Un système de codage est un ensemble de règles pour convertir une information par une autre (ici un caractère avec sa représentation binaire).

🇺🇸 Un système de codage de caractère : ASCII

📋 ASCII (American Standard Code for Information Interchange)

L'ASCII est un codage qui utilise 7 bits pour représenter des caractères alpha-numériques et d'autres caractères réservés (comme l'espace ou le retour chariot).

En ayant 7 bits pour représenter un caractère, on peut représenter 2⁷ = 128 caractères.

📊 Capacité d'ASCII

7 bits = 128 caractères possibles

Cela inclut :

26 lettres minuscules (a-z)
26 lettres majuscules (A-Z)
10 chiffres (0-9)
Symboles de ponctuation
Caractères de contrôle

🔢 Exemples de codes ASCII

A : 65 (décimal)
a : 97 (décimal)
0 : 48 (décimal)
@ : 64 (décimal)

📋 Table de correspondance ASCII (extrait)

Déc	Hex	Car	Déc	Hex	Car	Déc	Hex	Car	Déc	Hex	Car
32	20	(espace)	48	30	0	64	40	@	80	50	P
33	21	!	49	31	1	65	41	A	81	51	Q
34	22	"	50	32	2	66	42	B	82	52	R
97	61	a	113	71	q	122	7A	z	126	7E	~

Limitation d'ASCII

À la vue de cette table, on remarque une chose importante : il n'y a que des symboles d'alphabets latins.

Or, il n'existe pas uniquement les alphabets latins mais aussi le cyrillique ou bien les symboles des alphabets chinois ou japonais.

💡 Solution : On a besoin d'un codage permettant de représenter davantage de caractères.

🌍 Un système plus inclusif : Unicode

🔤 Unicode - Le standard universel

Unicode est un système de codage de caractère qui utilise un certain nombre de bits en fonction de sa version, plus connu sous le nom de UTF.

On utilise plus souvent le système UTF-8 qui utilise 8 bits pour représenter des caractères. Il peut cependant utiliser 1, 2 voire même 3 groupes de 8 bits (octets) pour représenter davantage de caractères.

🎯 Principe des points de code

Chaque symbole possède un point de code, qui est l'ensemble des bits permettant sa représentation, souvent représenté en hexadécimal.

🐍 Utilisation en Python

Python utilise l'encodage UTF-8 pour coder ses symboles et les représenter.

Il est possible d'observer un encodage spécial sur une chaîne de caractère en utilisant la méthode encode des chaînes de caractères.

Exemples Unicode

풪 : U+052A (Caractère coréen)
A : U+0041 (Lettre latine majuscule)
ᛒ : U+16D2 (Lettre B runique)
字 : U+5B57 (Caractère chinois)

Ressource utile

On retrouvera la table UTF-8 complète à cette adresse : Table UTF-8

Représentation des caractères