Ir al contenido
Texto y codificación
-
Texto y codificación
Normalización Unicode: NFC, NFD, la ñ y los zip de Mac
Por qué "año" == "año" puede dar False: NFC, NFD, NFKC y NFKD medidos en Python y PHP, qué guarda APFS de verdad, zip de Mac sin bandera UTF-8 y git.
-
Texto y codificación
Detectar la codificación es adivinar: lo medimos
mb_detect_encoding y un detector en Python puro, con 9,000 muestras: aciertan con texto largo y fallan con corto. Velocidad con 10 MB y el bug por bloques.
-
Texto y codificación
Caracteres, code points y bytes UTF-8 vistos con xxd
Por qué len('año') da 3 pero el archivo pesa 4 bytes: code points y bytes UTF-8 en xxd, len de Python frente a strlen de PHP y mediciones reales de tamaño.
-
Texto y codificación
Longitud de strings en 8 lenguajes: emoji y grafemas
Cuánto mide «José Muñoz», 👍🏽, 👨👩👧 o 🇲🇽 en Python, JS, Swift, Dart, Java, C#, PHP y SQLite, medido, con bugs al recortar y límites de columnas.
-
Texto y codificación
Mojibake: por qué ves ñ y é y cómo arreglarlo
Reproduce ñ y ¿ a propósito, lee el patrón, repara texto doblemente codificado con encode/decode y mide qué mojibake tiene vuelta atrás.
-
Texto y codificación
CSV y codificación: UTF-8, BOM, Windows-1252 y Excel
El mismo CSV en UTF-8, UTF-8 con BOM y Windows-1252, con sus bytes. Lo leemos con Python, PHP y sqlite3, medimos el BOM y explicamos el clásico Peña.
↑