Les chaînes de caractère

Prédire la valeur

Écris la valeur de l'expression demandée comme Python l'écrirait ('abc', True, 2.0), puis valide. Quand le champ est marqué « affiche », écris plutôt ce que le programme affiche. Si le programme s'arrête sur une erreur, écris erreur. Les valeurs changent à chaque essai.

Rappel d'ouverture (5 minutes, cours fermé)

Réponds sans rouvrir les pages précédentes, en écrivant tes réponses.

1. On veut échanger les contenus de a et b. Pourquoi a = b puis b = a ne marche-t-il pas ?
2. Que valent 17 // 5 et 17 % 5 ? Quelle égalité relie ces deux résultats à 17 et 5 ?
3. Que vaut type(3.0) ? Et type(3) ?

Correction

1. La première ligne écrase l'ancienne valeur de a, qui est perdue. Il faut la mettre de côté : temp = a, puis a = b, puis b = temp.
2. 17 // 5 vaut 3 (quotient entier) et 17 % 5 vaut 2 (reste). On a \(5 \\times 3 + 2 = 17\).
3. float et int. 3.0 et 3 désignent le même nombre mais ne sont pas du même type.

s = "Bonjour"

Ici, on crée la variable s et on lui donne une valeur, la valeur "Bonjour". Python sait tout seul qu'il s'agit d'une chaine de caractères car on a mis Bonjour entre guillemets.

Afin d'être plus précis, on peut indiquer explicitement le type qu'on souhaite pour la variable en utilisant cette syntaxe:

a: str = "Bonjour"

str est le type correspondant à une chaîne de caractères. str vaut pour string en anglais qui signifie chaîne.

Lorsque les programmes deviennent longs, on peut se perdre dans les types, alors il faut prendre l'habitude de les indiquer lorsqu'on crée des variables.

Les guillemets sont importants

a = "Bonjour"

Cette instruction affecte l'information "Bonjour" qui est une chaine de caractères à la variable a

a = Bonjour

Cette instruction affecte le contenu de la variable Bonjour à la variable a.

Dans la mémoire, il n'y a que des nombres

Reprends le simulateur LMC du chapitre sur l'architecture. Cette machine n'a que des cases, et chaque case contient un nombre.

Programme 1 : prédire, puis vérifier

Recopie ce programme dans un fichier nsi.lmc. Sur ton cahier, écris :

• les nombres contenus dans les cases n°7, n°8 et n°9,
• ce que le programme affiche, dans l'ordre.

Puis assemble, charge, et compare : la mémoire répond à la première question, Run à la seconde.

N'ouvre pas le simulateur tant que tu n'as pas écrit tes réponses.

        LDA 7
        OUT
        LDA 8
        OUT
        LDA 9
        OUT
        HLT

mot:    DAT "NSI"

Correction

Les cases n°7, n°8 et n°9 contiennent 78, 83 et 73. Le programme affiche 78 83 73.

DAT "NSI" n'a mis dans la mémoire que trois nombres, un par lettre.

Programme 2 : une seule ligne change

Le même programme, avec la ligne mot: écrite autrement. Sur ton cahier, écris :

• les nombres contenus dans les cases n°7, n°8 et n°9,
• ce que le programme affiche.

N'ouvre pas le simulateur tant que tu n'as pas écrit tes réponses.

        LDA 7
        OUT
        LDA 8
        OUT
        LDA 9
        OUT
        HLT

mot:    DAT 78, 83, 73

Correction

La même chose : les cases n°7, n°8 et n°9 contiennent 78, 83 et 73, et le programme affiche 78 83 73.

DAT "NSI" et DAT 78, 83, 73 rangent les mêmes nombres dans les mêmes cases. Pour la machine, les deux lignes ne se distinguent pas : « ranger du texte » n'existe pas chez elle.

Une seule chose les sépare, et elle ne se voit pas dans ces cases : DAT "NSI" réserve une quatrième case, la n°10, qui contient 0 et marque la fin du mot. C'est elle qui permet à un programme de savoir où le mot s'arrête sans qu'on lui donne sa longueur.

Une chaîne de caractères est une suite de nombres

"NSI" n'est pas rangé en mémoire sous forme de lettres : c'est 78, 83, 73, trois nombres dans trois cases voisines. En Python, c'est la même chose, à ceci près que c'est Python qui retient la longueur du mot, et c'est elle que len te rend.

Et les lettres que tu vois à l'écran ? C'est un dessin. Il n'y a rien dans la mémoire qui ressemble à un N : il y a 78, et un programme d'affichage a décidé de tracer la forme qu'on appelle N quand il rencontre 78. Change la police de caractères, le dessin change. Le 78, lui, ne change pas. Le simulateur LMC, qui n'a pas de police, affiche d'ailleurs 78.

Qui a décidé que N valait 78 ?

Le simulateur aurait pu choisir 1 pour A, 2 pour B, ou n'importe quelle autre correspondance. Associer un nombre à un caractère est un code, exactement comme la table que tu avais fabriquée à la première séance de l'année : toutes les correspondances se valent, aucune n'est plus juste qu'une autre.

Mais si chaque machine choisissait la sienne, un texte écrit sur l'une serait illisible sur l'autre. Il a donc fallu se mettre d'accord une fois pour toutes, et un tel accord s'appelle une norme. La plus ancienne est ASCII, qui associe un nombre de 0 à 127 à chaque caractère courant.

Caractères	Codes
'0' à '9'	48 à 57
'A' à 'Z'	65 à 90
'a' à 'z'	97 à 122
l'espace	32

Dans chaque intervalle, les caractères se suivent dans l'ordre. Un code se retrouve donc par le calcul, sans table complète : N est la 14e lettre de l'alphabet, son code est \(65 + 13 = 78\). C'est bien ce que le simulateur a affiché.

Le caractère '0' n'est pas le nombre 0

Le code du caractère '0' est 48, pas 0. De même, '1' vaut 49 et non 1. "0" et 0 sont deux choses différentes, et une machine ne les confond jamais.

Majuscules et minuscules sont des caractères différents

'A' vaut 65 et 'a' vaut 97. Ce ne sont pas deux façons d'écrire la même chose : ce sont deux codes, donc deux caractères.

En Python, deux fonctions font le va-et-vient avec cette table :

• ord(c) donne le code du caractère c. ord("A") vaut 65.
• chr(n) donne le caractère de code n. chr(65) vaut 'A'.

Les mêmes nombres, en Python

Le simulateur a affiché 78 83 73. Sur ton cahier, écris les trois instructions Python qui donnent ces trois nombres à partir des lettres N, S et I, puis celle qui redonne la lettre S à partir de 83.

Correction

ord("N") vaut 78, ord("S") vaut 83, ord("I") vaut 73. Et chr(83) vaut 'S'.

Jusqu'où cette machine sait-elle aller ?

Dans le programme 1, remplace la ligne mot: par DAT "été". Sur ton cahier, écris :

• combien de cases le mot va occuper,
• si les trois nombres affichés seront tous différents.

N'ouvre pas le simulateur tant que tu n'as pas écrit tes réponses.

Assemble et lance pour vérifier, puis essaie DAT "10€" et note ce que répond le simulateur.

Correction

Le mot occupe quatre cases, comme "NSI" : trois pour les lettres, une pour le 0 de fin. Et le programme affiche 233, 116, 233 : le premier et le troisième nombres sont identiques, puisque c'est deux fois la même lettre. Le é a donc un code lui aussi, 233. Il est au-delà de 127 : ce n'est plus de l'ASCII, mais une norme qui l'étend à 256 codes, celle que le simulateur nomme dans son message ci-dessous.

"10€" est refusé, et le simulateur dit pourquoi : « € » n'existe pas en ISO-8859-1 : seuls les caractères de code 0 à 255 sont représentables. Cette machine ne connaît que 256 codes, et le € n'en fait pas partie.

C'est exactement ce qui a rendu Unicode nécessaire. Les codes ASCII, Unicode et l'encodage UTF-8 sont traités dans le chapitre Représentation de l'information > Texte. Cette page-ci se concentre sur la manipulation des chaînes en Python.

Opérations possibles

Opérateur	Opération	Exemple
+	Concaténation	"bon" + "jour" → 'bonjour'
*	Répétition	"ha" * 3 → 'hahaha'

Fonction	Description	Exemple
len()	Longueur de la chaîne	len("chat") → 4
ord()	Code Unicode d’un caractère	ord('A') → 65
chr()	Caractère depuis un code Unicode	chr(65) → 'A'

Extraction	Description	Exemple
[]	Indexation (un caractère)	"chat"[0] → 'c'
[start:end]	Slice de start à end EXCLU	"chat"[1:3] → 'ha'

Comparaison	Description	Exemple
in	Présence d’un élément	'a' in "chat" → True
not in	Absence d’un élément	'z' not in "chat" → True
==, !=	Égalité / différence	"Abc" == "abc" → False
<, >, <=, >=	Comparaison lexicographique	"poire" < "portugal" → True

Note: La comparaison lexicographique est celle de l'ordre des mots dans un dictionnaire.

Accès aux caractères

En Python, une chaîne de caractères est une suite ordonnée de caractères, c'est-à-dire, comme tu viens de le voir sur le simulateur, une suite de nombres. Chaque lettre de la chaîne est numérotée selon sa position : la première lettre porte le numéro 0, la deuxième le numéro 1, et ainsi de suite. Par exemple, dans la chaîne "chat", la lettre 'c' est à la position 0, 'h' à la position 1, 'a' à la position 2, et 't' à la position 3. Pour accéder à une lettre, on écrit le nom de la chaîne suivi de crochets avec le numéro entre les crochets. Exemple : "chat"[1] renvoie 'h'.

Indice	0	1	2	3
Lettre	'c'	'h'	'a'	't'

Les indices 0, 1 et 2 de "NSI", ce sont les cases n°7, n°8 et n°9 du simulateur. Numéroter à partir de 0, c'est compter les cases depuis le début du mot.

Attention au 0

Il faut faire attention, comme d'habitude, on commence toujours à tout numéroter à partir de 0.

Si la longueur de "chat" est 4, ses indices vont de 0 à 3

Dépassement d'indice

Si on demande le caractère à un indice qui n'existe pas, python émettra une erreur. >>> "chat"[4] IndexError: string index out of range

Ce que tu viens de rencontrer s'appelle une séquence

Une séquence est une suite d'éléments ordonnés, numérotés de 0 à len(...) - 1, auxquels on accède par leur indice entre crochets.

La chaîne de caractères est la première que tu rencontres, elle ne sera pas la dernière : les listes et les tuples, plus loin dans le cours, sont aussi des séquences. Retiens dès maintenant ce qui ne changera pas d'un type à l'autre :

Ce qu'on veut	Comment on l'écrit
l'élément numéro i	seq[i]
le nombre d'éléments	len(seq)
le dernier élément	seq[len(seq) - 1], ou seq[-1]
savoir si x s'y trouve	x in seq
les parcourir tous	for element in seq:

C'est l'un des rares endroits du cours où l'on apprend une chose une fois pour toutes. Quand tu croiseras les listes, tu n'auras ni nouvel accès, ni nouvelle boucle à apprendre.

Et pour parcourir tous les caractères ?

Accéder à un caractère par son indice est une chose. Parcourir automatiquement tous les caractères d'une chaîne en est une autre : c'est le rôle de la boucle for.

Ce mécanisme de parcours est étudié à part entière dans le cours La boucle for, car ce qui se passe à chaque tour de boucle mérite d'être déroulé pas à pas. On y reprend justement le parcours de chaînes de caractères.

Immutabilité

Une chaîne est immuable : une fois créée, on ne peut pas en changer un caractère. Toute opération qui « modifie » une chaîne renvoie en réalité une nouvelle chaîne.

s = "python"
s[0] = "P"        # TypeError : on ne peut pas modifier un caractère
s = "P" + s[1:len(s)]   # on fabrique une nouvelle chaîne : "Python"

Chaînes sur plusieurs lignes

Avec des triples guillemets :

texte = """Ligne 1
Ligne 2"""

Les f-strings : insérer des valeurs

Pour construire une chaîne à partir de variables, on préfixe la chaîne par f et on met les expressions entre accolades :

nom = "Alice"
age = 25
print(f"Je m'appelle {nom} et j'ai {age} ans.")

Quelques méthodes utiles

À ne pas apprendre par cœur : on les retrouve au besoin.

s = "  Python  "
s.lower()               # '  python  '
s.upper()               # '  PYTHON  '
s.strip()               # 'Python' (enlève les espaces autour)
s.replace("Py", "My")   # '  Mython  '

"123".isdigit()         # True
"abc".isalpha()         # True

Une méthode ne modifie pas la chaîne

Comme les chaînes sont immuables, s.upper() renvoie une nouvelle chaîne sans changer s. Pour garder le résultat, il faut le récupérer : s = s.upper().