$course$/QCM de NSI/Première/Représentation du texte Codage des caractères (ASCII, ASCII étendu, Unicode), normes UTF-8,
UTF-16, UTF-32, fonctions Python ord et chr, et formats de texte
enrichi (HTML, XML, RTF, OpenDocument, TeX).

]]> Représentation du texte — Q01 : Définition d'ASCII Que signifie le sigle ASCII ?

]]> Le code ASCII est apparu en $1963$ aux États-Unis. Il est conçu
pour l'anglais et ne contient aucun caractère accentué, ce qui
a motivé l'apparition d'extensions et de normes plus
universelles.

]]> 1.0 0.0 0 true true abc Architecture Standard pour Calculs et Instructions Internes

]]> Erreur : ASCII n'est pas lié à l'architecture des
processeurs. C'est une table de codage de caractères.

]]> Algorithme Standard pour la Compression d'Images

]]> Erreur : ASCII concerne le codage de caractères, pas la
compression d'images.

]]> American Standard Code for Information Interchange

]]> Bonne réponse : c'est le code historique américain pour
représenter les caractères texte. Il a été conçu pour
l'anglais, ce qui explique l'absence des accents.

]]> Acronyme Standard de Compatibilité Inter-Systèmes

]]> Erreur : sigle inventé. La signification réelle commence
par « American Standard Code... ».

]]> Représentation du texte — Q02 : Taille de la table ASCII standard Combien de caractères différents peut-on coder avec l'ASCII
standard (sur sept bits) ?

]]> Bien que l'ASCII tienne sur $7$ bits, on le stocke en pratique
sur un octet ($8$ bits), avec le bit de poids fort à $0$. Le
huitième bit a permis plus tard de définir des extensions à
$256$ caractères (ASCII étendu, Latin-$1$, etc.).

]]> 1.0 0.0 0 true true abc $512$

]]> Erreur : aucune table de caractères usuelle ne fait
$512$ entrées. ASCII fait $128$, les extensions $256$,
Unicode plus d'un million.

]]> $64$

]]> Erreur : c'est $2^6$, donc le nombre de codes possibles
sur six bits. ASCII utilise sept bits.

]]> $256$

]]> Erreur : c'est la taille des extensions ASCII (sur
huit bits). L'ASCII standard tient sur sept bits.

]]> $128$

]]> Bonne réponse : sur $7$ bits, on a $2^7 = 128$ codes
possibles, soit autant de caractères représentables. En
pratique, ASCII n'en utilise que $95$ imprimables et $33$
de contrôle.

]]> Représentation du texte — Q03 : Code ASCII de la lettre 'A' En Python, que renvoie l'expression ord('A') ?

]]> Mémo utile : A vaut $65$, $a$ vaut $97$. La différence est $32$,
ce qui correspond au bit $5$ qui distingue majuscule et
minuscule en ASCII.

]]> 1.0 0.0 0 true true abc $32$

]]> Erreur : $32$ est le code de l'espace en ASCII, pas de la
lettre A.

]]> $1$

]]> Erreur : confusion possible avec la position de A dans
l'alphabet. Or ord renvoie le code ASCII (ou point
de code Unicode), pas la position.

]]> $65$

]]> Bonne réponse : la lettre A majuscule a le code ASCII $65$.
Les majuscules suivantes sont consécutives : B vaut $66$,
C vaut $67$, etc.

]]> $97$

]]> Erreur : $97$ est le code de a minuscule. Les
majuscules et minuscules ont des codes différents en ASCII.

]]> Représentation du texte — Q04 : Fonction `chr` en Python Quelle est la valeur renvoyée par chr(66) en Python ?

]]> Les fonctions ord et chr sont inverses l'une de l'autre :
chr(ord(c)) == c et ord(chr(n)) == n pour tout caractère
c et tout code valide n.

]]> 1.0 0.0 0 true true abc 'B'

]]> Bonne réponse : $66$ est le code ASCII de la lettre B.

]]> 66

]]> Erreur : chr renvoie un caractère (chaîne de longueur
$1$), pas un entier. C'est ord qui fait la conversion
inverse.

]]> 'b'

]]> Erreur : 'b' correspond à chr(98), pas $66$.

]]> 'A'

]]> Erreur : 'A' correspond à chr(65), pas $66$.

]]> Représentation du texte — Q05 : Point de code Unicode Comment écrit-on conventionnellement un point de code Unicode ?

]]> La notation U+xxxx s'écrit toujours en hexadécimal et
fonctionne pour des points de code de $4$ à $6$ chiffres
(de U+0000 à U+10FFFF).

]]> 1.0 0.0 0 true true abc U+0041

]]> Bonne réponse : la notation officielle est U+xxxx avec
un code hexadécimal de $4$ à $6$ chiffres. Par exemple
U+0041 désigne la lettre A majuscule.

]]> \u0041

]]> Erreur : c'est la séquence d'échappement utilisée dans
certains langages de programmation, pas la notation
standard du Consortium Unicode.

]]> 0x41

]]> Erreur : c'est la notation hexadécimale Python pour
l'entier $65$, mais ce n'est pas la convention Unicode.

]]> UC-0041

]]> Erreur : ce préfixe n'existe pas. La convention Unicode
est U+.

]]> Représentation du texte — Q06 : Caractéristique principale d'UTF-8 Pourquoi UTF-$8$ est-il l'encodage le plus répandu sur le web ?

]]> UTF-$8$ utilise $1$ octet pour les caractères ASCII (codes
U+$0000$ à U+$007$F), $2$ pour la plupart des langues
européennes, $3$ pour les autres alphabets et idéogrammes
courants, et $4$ pour les caractères rares et les emojis.

]]> 1.0 0.0 0 true true abc Parce qu'il code tous les caractères sur un seul octet

]]> Erreur : UTF-$8$ est un codage à taille variable ($1$ à
$4$ octets selon le caractère). Il code l'ASCII sur un
seul octet, mais pas tous les caractères.

]]> Parce qu'il a complètement remplacé Unicode

]]> Erreur : UTF-$8$ est un encodage de la norme Unicode,
pas son remplaçant. Unicode définit les points de code,
UTF-$8$ définit comment les sérialiser en octets.

]]> Rétro-compatible avec ASCII et de taille variable

]]> Bonne réponse : un fichier ASCII pur est déjà un fichier
UTF-$8$ valide. Pour les caractères non ASCII (accents,
idéogrammes, emojis, etc.), UTF-$8$ utilise plusieurs
octets, ce qui économise de l'espace pour les langues
latines.

]]> Parce qu'il code tous les caractères sur exactement deux octets

]]> Erreur : c'est plutôt UTF-$16$ qui utilise un ou deux mots
de $16$ bits. UTF-$8$ est plus économique en pratique.

]]> Représentation du texte — Q07 : Nombre de caractères Unicode Environ combien de caractères différents la norme Unicode
peut-elle référencer ?

]]> Le but d'Unicode est de couvrir tous les systèmes
d'écriture du monde, y compris les langues anciennes, les
alphabets phonétiques, les symboles mathématiques et les
emojis. La norme évolue régulièrement avec de nouveaux
caractères.

]]> 1.0 0.0 0 true true abc $256$

]]> Erreur : $256$ correspond aux codes ASCII étendus (huit
bits), pas à Unicode.

]]> $128$

]]> Erreur : $128$ est la taille de l'ASCII standard, pas
d'Unicode. Unicode est une norme bien plus vaste.

]]> $65\ 536$

]]> Erreur : c'est la limite d'UTF-$16$ sur un seul mot
($2^{16}$). Unicode dépasse cette limite, ce qui oblige
UTF-$16$ à utiliser deux mots pour les caractères rares.

]]> $1\ 114\ 112$

]]> Bonne réponse : Unicode peut référencer un peu plus d'un
million de points de code (de U+0000 à U+10FFFF).
Environ $150\ 000$ sont actuellement attribués.

]]> Représentation du texte — Q08 : Différence majuscule / minuscule en ASCII Quelle est la différence entre le code ASCII d'une lettre
majuscule et celui de la même lettre en minuscule ?

]]> Cette propriété est utilisée dans certains algorithmes pour
basculer la casse efficacement : code ^= 32 change la casse
en un coup grâce au XOR. C'est aussi pour ça que les codes
sont contigus et organisés par casse.

]]> 1.0 0.0 0 true true abc $1$

]]> Erreur : la différence est plus grande. Par exemple
$\text{ord}('A') = 65$ et $\text{ord}('a') = 97$.

]]> $32$

]]> Bonne réponse : minuscule = majuscule + $32$. C'est
précisément la valeur du sixième bit ($2^5$). Cela permet
en pratique de basculer entre les deux casses en
inversant ce bit.

]]> $65$

]]> Erreur : $65$ est le code ASCII de A, pas la différence
entre majuscule et minuscule.

]]> $26$

]]> Erreur : $26$ est le nombre de lettres de l'alphabet, pas
la différence des codes ASCII.

]]> Représentation du texte — Q09 : Texte enrichi vs texte simple Qu'est-ce qui distingue un texte enrichi d'un texte simple ?

]]> Exemples de formats enrichis : HTML, XML, RTF, OpenDocument,
LaTeX, Markdown. Tous reposent sur le principe de
balises ou de marqueurs spéciaux ajoutés autour du texte.

]]> 1.0 0.0 0 true true abc Le texte enrichi ajoute la mise en forme

]]> Bonne réponse : le texte simple est une simple suite de
caractères ; le texte enrichi y ajoute des balises ou des
informations de typographie pour gérer la mise en page,
les liens, les images, etc.

]]> Le texte enrichi est forcément en couleur

]]> Erreur : la couleur n'est qu'une des nombreuses
informations qu'un texte enrichi peut contenir, mais elle
n'est pas obligatoire.

]]> Le texte enrichi est plus long

]]> Erreur : la longueur ne distingue pas les deux. Un texte
enrichi peut être très court.

]]> Le texte enrichi est forcément codé en Unicode

]]> Erreur : tout codage de caractères est utilisable. La
différence est la présence d'informations de mise en forme.

]]> Représentation du texte — Q10 : Obtenir un caractère à partir de son code En Python, quelle expression renvoie le caractère dont le
code ASCII est $65$ ?

]]> ord et chr sont réciproques : ord('A') vaut $65$ et
chr(65) vaut 'A'. Il ne faut pas confondre chr(65),
qui donne le caractère de code $65$, avec str(65), qui
écrit simplement le nombre $65$ sous forme de chaîne.

]]> 1.0 0.0 0 true true abc str(65)

]]> Erreur : str(65) convertit le nombre en la chaîne
'65', formée des deux caractères '6' et '5' ; la
table des codes n'est pas consultée.

]]> chr(65)

]]> Bonne réponse : chr reçoit un code (un entier) et
renvoie le caractère correspondant, ici 'A'. C'est la
fonction réciproque de ord.

]]> ord(65)

]]> Erreur : ord fait le chemin inverse, du caractère vers
son code ; appliquée à un entier, elle lève TypeError.

]]> char(65)

]]> Erreur : il n'existe pas de fonction char en Python ;
l'appel lève NameError.

]]> Représentation du texte — Q11 : Représentation binaire d'un caractère Quelle est la représentation binaire (sur huit bits) du
caractère 'A' en ASCII ?

]]> Méthode : $\text{ord}('A') = 65$, on convertit $65$ en binaire
sur huit bits ($65 = 64 + 1$) → $01000001_2$. Le bit de poids
fort à $0$ confirme que c'est un caractère ASCII standard.

]]> 1.0 0.0 0 true true abc $00000001$

]]> Erreur : c'est le code $1$, qui correspond à un caractère
de contrôle (SOH), pas à 'A'.

]]> $01100001$

]]> Erreur : c'est le code $97 = 64 + 32 + 1$, qui correspond
à 'a' minuscule, pas 'A' majuscule.

]]> $01000001$

]]> Bonne réponse : $\text{ord}('A') = 65 = 64 + 1 = 2^6 + 2^0$,
soit $01000001_2$ sur huit bits.

]]> $10000001$

]]> Erreur : ce code ($129$) sort de la table ASCII standard.
De plus, le bit de poids fort doit être à $0$ pour les
caractères ASCII.

]]> Représentation du texte — Q12 : Décoder un texte ASCII Quel mot représente la suite de codes ASCII (en décimal)
$$78,\ 83,\ 73$$ ?

]]> Les majuscules sont consécutives dans la table ASCII à partir
de $65$ pour A. On peut retrouver chaque lettre rapidement :
par exemple N est la $14^e$ lettre de l'alphabet, donc
$\text{ord}('N') = 65 + 13 = 78$.

]]> 1.0 0.0 0 true true abc NSI

]]> Bonne réponse : N vaut $78$, S vaut $83$, I vaut $73$.
La spécialité s'écrit donc bien $NSI$.

]]> nsi

]]> Erreur : ce sont les majuscules. Les minuscules
correspondantes seraient $110, 115, 105$.

]]> 123

]]> Erreur : confusion entre les codes ASCII et les chiffres
eux-mêmes. Les chiffres '1', '2', '3' ont les codes
ASCII $49, 50, 51$.

]]> abc

]]> Erreur : a vaut $97$ et non $78$. Vérifier la table
ASCII : les majuscules sont vers $65$, les minuscules
vers $97$.

]]> Représentation du texte — Q13 : Taille d'un caractère en UTF-8 En UTF-$8$, sur combien d'octets est codé un caractère ASCII
standard (par exemple la lettre A) ?

]]> Cette propriété rend UTF-$8$ très efficace pour les langues
latines : les textes en anglais ne sont pas plus gros
qu'en ASCII, contrairement à UTF-$16$ ou UTF-$32$.

]]> 1.0 0.0 0 true true abc $3$ octets

]]> Erreur : trois octets sont utilisés pour les caractères
d'autres alphabets (cyrillique, grec étendu, idéogrammes
chinois courants), pas pour ASCII.

]]> $2$ octets

]]> Erreur : c'est la taille des caractères Latin étendus en
UTF-$8$ (é, à, ü, etc.). Les caractères ASCII pur
tiennent sur un seul octet.

]]> $1$ octet

]]> Bonne réponse : c'est précisément le but de la
rétrocompatibilité d'UTF-$8$ avec ASCII : tout caractère
ASCII tient sur un seul octet, identique à son codage
ASCII.

]]> $4$ octets toujours

]]> Erreur : c'est UTF-$32$ qui code tout sur quatre octets.
UTF-$8$ est de taille variable.

]]> Représentation du texte — Q14 : Taille fixe d'UTF-32 Pourquoi UTF-$32$ n'est-il presque jamais utilisé pour stocker
des fichiers texte sur le web ?

]]> Les concepteurs ont fait un compromis : UTF-$8$ est de taille
variable mais économe ; UTF-$32$ est simple mais coûteux.
Pour le stockage, UTF-$8$ gagne ; pour le traitement interne
à un programme (indexation rapide), UTF-$32$ est parfois
utilisé.

]]> 1.0 0.0 0 true true abc Parce qu'il ne représente pas tous les caractères Unicode

]]> Erreur : c'est au contraire le seul qui code tous les
caractères sur la même taille. Le problème est ailleurs.

]]> Parce qu'il ne supporte pas les emojis

]]> Erreur : UTF-$32$ supporte tous les caractères Unicode,
emojis compris (et même mieux qu'UTF-$16$ qui doit gérer
les paires de substitution).

]]> Il consomme $4$ octets par caractère, même en ASCII

]]> Bonne réponse : UTF-$32$ multiplie par quatre la taille
d'un fichier texte standard, alors que UTF-$8$ ne consomme
qu'un octet pour les mêmes caractères. C'est un gaspillage
énorme de bande passante et de stockage.

]]> Parce qu'il n'est pas standardisé par l'ISO

]]> Erreur : UTF-$32$ est bien standardisé. Le problème est
son inefficacité, pas son statut.

]]> Représentation du texte — Q15 : Code ASCII en hexadécimal Quelle est la représentation hexadécimale du code ASCII de la
lettre 'a' minuscule ?

]]> Pour convertir : $97 = 96 + 1 = 6 \cdot 16 + 1$, donc en
hexadécimal le chiffre des « seizaines » est $6$ et celui
des unités est $1$, soit 0x61.

]]> 1.0 0.0 0 true true abc 0x65

]]> Erreur : $0x65 = 6 \cdot 16 + 5 = 101_{10}$, qui
correspond à 'e' minuscule.

]]> 0x97

]]> Erreur : confusion entre la valeur décimale $97$ et son
écriture hexadécimale. $97_{10} \neq 0x97$
(qui vaut $151$).

]]> 0x61

]]> Bonne réponse : $\text{ord}('a') = 97 = 6 \cdot 16 + 1 = 0x61$.

]]> 0x41

]]> Erreur : 0x41 correspond à $65 = $ 'A' majuscule, pas
à 'a' minuscule.

]]> Représentation du texte — Q16 : Parcours d'une chaîne en Python Que renvoie le code Python suivant ?

sum(ord(c) for c in "BA")
]]> Cette construction est très utile pour calculer des sommes ou
des hash sur des chaînes : on parcourt caractère par
caractère et on combine leurs codes ASCII.

]]> 1.0 0.0 0 true true abc $131$

]]> Bonne réponse : $\text{ord}('B') + \text{ord}('A') = 66 + 65 = 131$.

]]> La chaîne "BA"

]]> Erreur : la fonction sum additionne des nombres, pas
des chaînes. Et chaque ord(c) renvoie un entier.

]]> $130$

]]> Erreur : on a peut-être confondu A et @ ($64$). $A$ a
pour code $65$, donc $66 + 65 = 131$.

]]> $66$

]]> Erreur : c'est seulement le code de B. La somme inclut
aussi le code de A.

]]> Représentation du texte — Q17 : Codage des caractères accentués En UTF-$8$, sur combien d'octets est codée la lettre 'é' ?

]]> C'est pour cette raison qu'un texte français codé en UTF-$8$
est légèrement plus volumineux qu'en ASCII : chaque lettre
accentuée pèse deux octets au lieu d'un.

]]> 1.0 0.0 0 true true abc $2$ octets

]]> Bonne réponse : 'é' a pour point de code Unicode U+00E9.
En UTF-$8$, les caractères entre U+0080 et U+07FF sont
codés sur deux octets ($0xC3$ $0xA9$).

]]> $4$ octets

]]> Erreur : quatre octets sont utilisés pour les points de
code au-delà de U+FFFF (emojis, certaines écritures
rares).

]]> $3$ octets

]]> Erreur : trois octets sont utilisés pour des points de
code plus élevés (à partir de U+0800).

]]> $1$ octet

]]> Erreur : seules les lettres ASCII sont codées sur un
octet. Les caractères accentués sortent de la plage ASCII.

]]> Représentation du texte — Q18 : ASCII étendu Quelle modification a permis le passage d'ASCII à l'ASCII
étendu ?

]]> Plusieurs variantes d'ASCII étendu existent : Latin-$1$
(ISO-$8859$-$1$) pour l'Europe occidentale, Latin-$2$ pour
l'Europe centrale, etc. Cette fragmentation a motivé la
création d'Unicode comme standard universel.

]]> 1.0 0.0 0 true true abc L'ajout d'un neuvième bit pour le drapeau de signe binaire

]]> Erreur : il n'y a pas de drapeau de signe dans un codage
de caractères. Le passage à l'ASCII étendu utilise le
huitième bit déjà présent.

]]> Utiliser le huitième bit pour doubler la table

]]> Bonne réponse : ASCII standard n'utilisait que sept bits
($128$ codes) ; le huitième bit étant disponible, on peut
en faire un encodage à $256$ codes pour ajouter accents,
symboles mathématiques, etc.

]]> Le passage à un codage en hexadécimal

]]> Erreur : la base de représentation (binaire, décimale,
hexadécimale) n'a aucun impact sur le nombre de codes
possibles.

]]> La conversion en UTF-$8$ obligatoire

]]> Erreur : UTF-$8$ est bien plus tardif que l'ASCII étendu.
L'extension à $256$ codes a été un premier compromis
avant la solution Unicode.

]]> Représentation du texte — Q19 : Rôle des balises HTML Que représentent les balises ouvrantes et fermantes en HTML
(par exemple <p>...</p>) ?

]]> Une balise comme <p> ouvre un paragraphe, </p> le ferme.
Les attributs (id, class, href, etc.) précisent le
comportement ou le style. La structure complète forme l'arbre
DOM (Document Object Model).

]]> 1.0 0.0 0 true true abc Les noms des fichiers liés au document

]]> Erreur : les fichiers liés sont référencés par leur URL,
dans des attributs comme href ou src, pas par les
balises elles-mêmes.

]]> Des marqueurs qui structurent le contenu de la page

]]> Bonne réponse : les balises délimitent des éléments
(paragraphes, titres, liens, images, etc.) que le
navigateur transforme en éléments visuels.

]]> Des macros pour remplacer du texte

]]> Erreur : HTML n'a pas de système de macros. Pour la
réutilisation, il faut passer par CSS, JavaScript ou un
moteur de templates.

]]> Des commandes envoyées directement au serveur web

]]> Erreur : les balises HTML structurent le document
côté client (navigateur), pas le serveur. Les
requêtes au serveur sont gérées par le protocole HTTP.

]]> Représentation du texte — Q21 : Motivation historique d'Unicode Pour quelle raison principale Unicode a-t-il été créé après
l'ASCII étendu ?

]]> Avant Unicode, échanger un texte écrit en arabe vers un
poste configuré pour les langues d'Europe centrale produisait
des « caractères mojibake » illisibles. Unicode a unifié les
codes pour permettre une vraie interopérabilité mondiale.

]]> 1.0 0.0 0 true true abc Pour réduire la taille des fichiers texte

]]> Erreur : un fichier Unicode (UTF-$8$) n'est pas plus
compact qu'un fichier ASCII pour les langues latines, et
il l'est moins pour d'autres langues. La motivation
n'est pas la taille.

]]> Unifier les tables d'ASCII étendu incompatibles

]]> Bonne réponse : un même octet (par exemple $0xE9$) avait
des significations différentes selon la table. Un texte
écrit en Latin-$1$ s'affichait incorrectement sur une
machine configurée en Latin-$2$. Unicode résout ce
problème en attribuant un point de code unique à chaque
caractère du monde.

]]> Pour ajouter le support de la couleur dans le texte

]]> Erreur : la couleur relève de la mise en forme (HTML/CSS),
pas du codage de caractères.

]]> Pour remplacer le format PDF

]]> Erreur : Unicode est un codage de caractères, pas un
format de document. PDF reste un format de mise en page.

]]> Représentation du texte — Q22 : Calcul de la taille d'un texte Combien d'octets occupe la chaîne "NSI" lorsqu'elle est
stockée en UTF-$8$ ?

]]> Pour un texte purement ASCII, UTF-$8$ donne le même nombre
d'octets que la longueur de la chaîne. Avec des accents (é,
à, etc.), il faut compter $2$ octets par caractère accentué.

]]> 1.0 0.0 0 true true abc $3$ octets

]]> Bonne réponse : 'N', 'S' et 'I' sont des caractères ASCII,
codés chacun sur $1$ octet en UTF-$8$. Total : $3$ octets.

]]> $1$ octet

]]> Erreur : un seul octet code un seul caractère ASCII, pas
une chaîne de trois caractères.

]]> $12$ octets

]]> Erreur : c'est la taille en UTF-$32$ ($4$ octets par
caractère). En UTF-$8$, on est trois fois plus économique
pour cette chaîne.

]]> $6$ octets

]]> Erreur : c'est la taille en UTF-$16$ ($2$ octets par
caractère du plan de base). En UTF-$8$, c'est plus
économique.

]]> Représentation du texte — Q25 : Rétrocompatibilité d'UTF-8 Pourquoi peut-on dire qu'un fichier ASCII pur est aussi un
fichier UTF-$8$ valide ?

]]> Cette propriété de UTF-$8$ explique son succès : on peut
ouvrir tout fichier ASCII existant sans modification dans un
éditeur UTF-$8$. C'est l'inverse qui n'est pas garanti : un
fichier UTF-$8$ contenant des accents s'affichera
incorrectement sur un système ASCII strict.

]]> 1.0 0.0 0 true true abc Parce que tous les fichiers texte sont automatiquement convertis en UTF-$8$ par le système

]]> Erreur : aucune conversion automatique n'est appliquée.
La rétrocompatibilité est une propriété du format
UTF-$8$, pas du système.

]]> Parce qu'ASCII et UTF-$8$ utilisent tous deux des points de code Unicode

]]> Erreur : ASCII précède Unicode de plusieurs décennies.
C'est UTF-$8$ qui a été conçu pour reprendre les codes
ASCII à l'identique, pas l'inverse.

]]> UTF-$8$ reprend à l'identique le codage des $128$ caractères ASCII

]]> Bonne réponse : c'est un choix volontaire des concepteurs
d'UTF-$8$ (Ken Thompson, Rob Pike, $1992$). Cette
compatibilité ascendante a énormément facilité la
transition d'ASCII vers Unicode sur le web et dans les
systèmes Unix.

]]> Parce qu'UTF-$8$ et ASCII sont strictement le même format

]]> Erreur : UTF-$8$ est plus large qu'ASCII. Un fichier
UTF-$8$ peut contenir des caractères impossibles à
représenter en ASCII (accents, idéogrammes, etc.).

]]> Représentation du texte — Q26 : Taille d'un caractère accentué en UTF-8 Combien d'octets sont nécessaires en UTF-$8$ pour coder le
caractère é (point de code Unicode U+00E9, soit $233$ en
décimal) ?

]]> L'UTF-$8$ utilise un nombre variable d'octets selon le point
de code : $1$ pour $0$ à $127$ (compatibilité ASCII), $2$
pour $128$ à $2\,047$, $3$ pour $2\,048$ à $65\,535$, $4$
au-delà. Le seuil à $128$ explique pourquoi é, à ou ç
occupent deux octets sur disque, alors qu'on les perçoit
comme un seul caractère à l'écran.

]]> 1.0 0.0 0 true true abc $1$ octet

]]> Erreur : seuls les caractères de point de code inférieur
ou égal à $127$ tiennent sur un seul octet en UTF-$8$
(zone ASCII pure). Comme $233 > 127$, le caractère é
nécessite un encodage sur plusieurs octets.

]]> $3$ octets

]]> Erreur : trois octets en UTF-$8$ sont réservés aux points
de code de $2\,048$ à $65\,535$, ce qui couvre la plupart
des alphabets non latins (cyrillique, grec, hébreu,
idéogrammes chinois courants). Le é est trop « bas »
pour cela.

]]> $2$ octets

]]> Bonne réponse : en UTF-$8$, les caractères de point de
code compris entre $128$ et $2\,047$ sont codés sur deux
octets. Le é (point de code $233$) entre dans cette
plage et s'écrit, en hexadécimal, $\text{C3 A9}$.

]]> $4$ octets

]]> Erreur : quatre octets sont utilisés pour les points de
code dépassant $65\,535$, comme la majorité des emojis.
Le é n'a besoin que de deux octets.

]]> Représentation du texte — Q28 : Caractères de contrôle ASCII Les codes ASCII de $0$ à $31$ ne correspondent pas à des
caractères imprimables. À quoi servent-ils ?

]]> Les caractères de contrôle ASCII étaient à l'origine conçus
pour piloter les terminaux mécaniques (téléimprimeurs). Ils
restent essentiels aujourd'hui pour structurer le texte
(sauts de ligne, tabulations) et signaler la fin d'une
chaîne en C (caractère nul \0).

]]> 1.0 0.0 0 true true abc À des caractères de contrôle (saut de ligne, tabulation)

]]> Bonne réponse : ces codes représentent des actions plutôt
que des caractères visibles. Exemples connus : \n
(saut de ligne, code $10$), \r (retour chariot, code
$13$), \t (tabulation, code $9$), \0 (caractère nul,
code $0$).

]]> À coder les chiffres et la ponctuation

]]> Erreur : les chiffres ASCII commencent au code $48$
(le caractère '0') et la ponctuation s'étale de $32$ à
$47$ et de $58$ à $64$. Les codes strictement inférieurs
à $32$ sont tous non imprimables.

]]> À aucun usage : ils sont réservés et inutilisés

]]> Erreur : ces codes ont au contraire des usages historiques
précis dans les terminaux et les protocoles. Ils pilotent
le comportement d'affichage ou de transmission.

]]> À coder les caractères accentués des langues européennes

]]> Erreur : ASCII standard ne code pas les accents (la table
ne dépasse pas $127$). Les caractères accentués sont
arrivés avec les extensions ASCII (Latin-$1$, etc.), puis
avec Unicode.

]]> Représentation du texte — Q29 : Longueur d'une chaîne accentuée en Python En Python $3$, les deux instructions du code suivant
affichent-elles la même valeur ?

texte = "café"
print(len(texte))
print(len(texte.encode("utf-8")))
]]> Distinction fondamentale : un objet str en Python $3$ est
une suite de points de code Unicode, pas d'octets. La
méthode encode produit un objet bytes qui peut être plus
long si le texte contient des caractères non ASCII. Cette
séparation entre texte et octets évite la plupart des bugs
de manipulation rencontrés en Python $2$.

]]> 1.0 0.0 0 true true abc Oui, les deux affichent $5$

]]> Erreur : len(texte) compte les caractères Unicode, pas
les octets. Pour "café" (quatre caractères), cela
affiche $4$.

]]> Oui, les deux affichent $4$

]]> Erreur : seule la première instruction affiche $4$.
Comme é occupe deux octets en UTF-$8$, l'encodage
binaire de "café" fait $5$ octets, pas $4$.

]]> Non, $4$ pour la première et $5$ pour la seconde

]]> Bonne réponse : len(texte) compte les caractères Unicode (ici $4$ : c, a, f, é), tandis que
len(texte.encode("utf-8")) compte les octets après
encodage (ici $5$, car é occupe deux octets).

]]> Non, $5$ pour la première et $4$ pour la seconde

]]> Erreur : c'est l'inverse. Une chaîne Unicode est toujours
au moins aussi courte (en caractères) que sa version
encodée (en octets), jamais plus longue.

]]>