🏠 Apprendre de nouveaux caractères – Unicode

Savais-tu que tu pouvais tapper plus de caractères que ceux qui sont sur ton clavier ? Apprends à quand il est plus clair de les utiliser.

Chaque caractère dans le monde informatique correpond à un nombre, par example A vaut 65, a vaut 97, é vaut 233, la lettre grecque α vaut 945. Ce nombre est appelé le point de code Unicode. Tu as peut-être entendu parler de code ASCII. US-ASCII est vieux et créé par des américains, il représente seulement les 128 premiers caractères, donc 65 pour A est un code ASCII et un code Unicode, mais 945 pour α n'existait pas à l'époque d'ASCII.

Quand on parle d'un point de code Unicode comme 945, tout le monde aime utiliser la notation standard U+xxxx où xxxx est le code en hexadécimal. La lettre é est donc appelée U+00E9 car E9 est l'hexadécimal de 233 en décimal. Des tables existent avec la liste de tous les caractères. Unicode donne aussi un nom unique en anglais n'utilisant que les caractères A-Z et les tirets comme LATIN SMALL LETTER E WITH ACUTE pour é.

Pour encoder un ou plusieurs charactères en une séquence d'octet, on a besoin d'un encodage comme le très populaire utf-8. Pour une histoire plus détaillée, allez ici. Une référence sur Internet est également ce blog post

Unicode est bien plus complexe que juste décider d'un nombre pour chaque caractère, il parle aussi des bidirectional characters, combining characters, CJK (Chinois, Japonais, Koréen) characters, emoji, normalization, et plein d'autres.

Sur cette page, je vous parle de plein de caractères qui peuvent vous être utile et comment les tapper de manière rapide, facile et que l'on peut facilement retenir . N'hésitez pas à partager un paragraphe en particulier en faisant un clic droit ou long press sur un des nombreux #hashtag et donner le lien à vos amis ou colllègues !

Trucs de math

• Utilise LaTeX ! Des fractions comme \frac{1}{1+x}, intégrales comme \int_{1}{x} x^2 dx, symboles comme \iff... Tout y est. Disponible pour pdf, web, svg, PowerPoint.

• 3 · 2, 3 ⋅ 2 ou 3 × 2 PAS 3 . 2, 3.2, 3•2, 3x2 — La croix de multiplication n'a pas la même forme que la lettre x, en écriture manuscrite le x se doit d'ailleurs d'être rond (). Quant à la notation en point, en littérature francophone, la convention est 2.3 mais je préfère la convention anglaise qui met le point au milieu 2·3 à la même hauteur que les autres 2+3, 2−3, 2×3 ou 2÷3. U+00B7 · MIDDLE DOT \cdot ·, U+22C5 ⋅ DOT OPERATOR, U+00D7 × MULTIPLICATION SIGN \times, U+2022 • BULLET.

• 2−1 = −1 PAS 2-1 = -1 — Le tiret - utilisé dans les mots-composés n'est pas le même caractère que l'opération de soustraction , le moins de soustraction a la même largeur que le + ou le × . LaTeX en mode mathématique remplacera les tiret - par le signe correct − . U+2212 − MINUS SIGN −.

• ≥ = ≠ PAS >= == != /= — Évidement, en code, on se devra d'utiliser les bons caractères. Cependant si vous ne savez vraiment pas entrer de caractère unicode (ce qui ne devrait pas arriver vu que vous lisez cet article), préférez != à /= car en programmation /= a une autre signification liée à la division

• 1/2 1÷2 PAS 1:2 1⁄2 1∕2 — Voir wikipedia division où ISO 80000-2-9.6 dit que ÷ ne devrait pas être utilisé, les deux derniers sont le fraction slash et le division slash mais ils n'apparaissent pas bien dans tous les browsers donc utilisez plutot le simple / ou les caractères de fraction ci-dessous. Quant à 1:2 cette convention n'est pas internationale et risque d'être confondue avec autre chose par des américains par exemple .

• ½ ¼ ⅓ quand vous trouvez plus clair que d'écrire 1/2 ou 3/4 ou 1/3 . Liste ici.

• Vector: LaTeX \vec{x} U+20D7 x⃗ COMBINING RIGHT ARROW ABOVE. C'est un caractère de combinaison, il doit être placé après le caractère qu'il veut décorer.

• Flèches : ←↓→↑↙↘↖↗↔⇔↦ — liste ici.

• x² PAS x^2 — latex x^2, html x<sup>2</sup>. Il y a aussi ⁰¹²³⁴⁵⁶⁷⁸⁹⁺₊⁻₋ et bien d'autres.

• ± latex \pm, html ±. U+00B1 ± PLUS-MINUS SIGN.

• Micro comme dans µm (U+00B5 µ MICRO SIGN LaTeX).

• ∅ pour l'ensemble vide. Attention en LaTeX \varnothing PAS \emptyset PAS \phi ou autres variations. Wikipedia Empty Set.

• ∨∧ ¬ ā PAS v \/ /\ ! — Wikipedia List.

• Grec ? Change ton clavier en grec ! Et apprends le raccourci pour vite le changer, sur Windows, Windows+Space, sur Mac Command+Space ou Alt+Space ou aller dans les paramètres système pour changer le raccourci, sur Linux allez dans les paramètres systèmes pour choisir.

• 1 ⩽ 2, 2 ⩾ 1 (U+2A7D \leqslant, U+2A7E \geqslant). Afin d'être international, utilise ≤ ≥. Les ⩽ ⩾ sont utilisés en littérature françaises et russes.

• En code dans un langage de programmation, on utilisera bien entendu les caractères ASCII imposés par le langage, on devra donc écrire >= == != * - et pas ≥ = ≠ × · − (uniquement valable pour le code !).

Beaucoup de langues

The aim of Unicode is to easily manage every language of the word, even the old/anciant ones.

• Russian

  • U+0430 а CYRILLIC SMALL LETTER A
  • U+0431 б CYRILLIC SMALL LETTER BE
  • U+0433 г CYRILLIC SMALL LETTER GHE
  • U+0432 в CYRILLIC SMALL LETTER VE
  • U+0434 д CYRILLIC SMALL LETTER DE
  • etc.

• Greek

  • U+03B1 α GREEK SMALL LETTER ALPHA
  • U+03B2 β GREEK SMALL LETTER BETA
  • U+03B3 γ GREEK SMALL LETTER GAMMA
  • U+03B4 δ GREEK SMALL LETTER DELTA
  • etc.

Attention should be taken that the symbol A can then be different characters :

• U+0041 A LATIN CAPITAL LETTER A
• U+0391 Α GREEK CAPITAL LETTER ALPHA
• U+0410 А CYRILLIC CAPITAL LETTER A

Diacritics are also part of Unicode:

• Diacritics: accents, cedilla, strokes… é exists in both composed and decomposed form, the decomposed form uses two code points for this character:

  • U+00E9 LATIN SMALL LETTER E WITH ACUTE
  • U+0065 LATIN SMALL LETTER E, U+0301 COMBINING ACUTE ACCENT

  Local keyboards do produce the composed form because it's more useful. Of course, they all have a caps version, see note here if you think avoiding accents on capital letters is a good idea.

Different currency symbols are useful: $ € ¥ ¢ ¤ ₿ ₽ ฿ ₹. List on wikipedia.

Typographie

• Toujours mettre les accents sur les majuscules, aucunes excuses. L'Académie française est clairement en faveur de cette pratique, si tu ne veux même pas croire l'Académie française, je ne sais pas qui tu peux suivre en terme d'exactitude de la langue française. Le fait d'accepter des majuscules sans accents date de l'époque de la Machine à écrire où c'était mécaniquement impossible, la Machine à écrire, c'était il y a 30 ans non ? Cependant sur les prénoms et noms de famille, chacun choisit comment on écrit son nom, ainsi demander à une Elise si elle veut un accent sur son E est une question tout à fait acceptable.

• Pour mettre en évidence un mot, ne pas le mettre en MAJUSCULE, le mettre en gras. Cependant, la mise en majuscule permet parfois d'augmenter la lisibilité. Ne pas mettre d'accent sur les majuscules au contraire diminue la lisibilité. Une autre alternative est de simplement mettre la première lettre en majuscule ou d'utiliser les petites capitales, ce qui marche aussi avec une Majuscule. Les petites majuscules sont disponibles en CSS via font-variant: small-caps ou sous Microsoft Word (ici ou là).

• L'espace insécable ou en anglais non-breaking space (nbsp) (U+00A0) (html  ). Cette espace spéciale (oui on dit une espace) ne peut pas être cassée pour passer à la ligne, mettre un nbsp avant un ? par exemple empêcherait une ligne de commencer par ?. Elle doit être mise avant : ; ? ! et au milieu des guillemets «» (c'est une convention française de France, en anglais ou en québéquois, on ne met pas d'espace). Latex et word sont au courant, rien à faire à ce niveau là. In CSS, for presentation purpose, one can also use white-space: nowrap.

• Guillemet français vs guillemets anglais vs guillemets droits « mot » “mot” "mot". Toutes les variations seront comprises. Wikipedia Quotation Mark.

• Le tiret (dash en anglais) -, le En-dash – et le Em-dash — sont des tirets de longeurs différentes. En français le En-dash est appelé tiret moyen et le Em-dash est appelé tiret long ou tiret cadratin. J'aime utiliser le En-dash pour les intervalles comme (vivant 1850–1920). Les Em-dash sont utilisés dans les livres pour les dialogues . Wikipedia about Dash, Wikipedia sur le Tiret. Ne pas confondre avec le signe moins bien que je préfère clairement une soustraction comme "5–2" écrite avec un En-dash plutôt qu'une soustraction comme "5-2" écrite avec un tiret. La largeur d'un En dash étant souvent la même que celle du signe moins (En-dash 5–2 vs 5−2 signe moins).

• Mettre du texte en majuscule pour attirer l'attention, par exemple sur une vidéo youtube, est une pratique je déplore.

• Il se doit de mettre une espace (nom féminin) à l'extérieur des parenthèses mais jamais à l'intérieur, ainsi on écrira Hello (bonjour) Alice et non Hello ( bonjour ) Alice. Latex et word sont au courant, rien à faire à ce niveau là. Cependant en math, dans le contexte de fonction, on ne met pas d'espace avant la parenthèse ouvrante. On écrira sin(x) et non sin (x), le dernier pourrait être confondu avec une multiplication.

Comment tapper des accents ?

• Sur Linux et (certains) Mac, si tu as un clavier comme l'AZERTY qui peut tapper des accents mais pas des majuscules avec accents : Caps Lock puis é puis Caps Lock te donne un É, la touche est un Caps Lock (qui met toutes les lettres en majuscule) et non un Shift Lock (qui fait comme si Shift était enfoncée). Ce dernier comportement vient des Machines à écrire où la touche correspondait à un déplacement physique. Sur Windows, c'est le comportement Shift Lock. Voici un clavier français de France avec ce comportement. Sur Linux on peut bien sûr changer le comportement.
• Sur Windows pour imiter le comportement Linux, si tu as un clavier comme l'AZERTY qui peut tapper des accents mais pas des majuscules avec accents : télécharge WinCompose et active l'option Caps Lock met en majuscule les lettres accentuées, ensuite tu peux faire Shift Lock puis ç et tu obtiendras Ç majuscule.
• Sur Windows (Microsoft Word seulement) tu peux avoir des accents via Ctrl+' puis E, la cédille est ,, Diaeresis/Tréma/Ümlaut est ". Si tu connais les AltCode, lis la note ci-dessous
• Sur internet il existe des extensions Firefox et Chrome qui permettent de tapper facilement des accents en faisant par exemple Ctrl+' puis E donne É.
• Je conseille également la lecture ce petit article wikipedia.

Comment tapper n'importe quel caractère unicode, y compris les accents ?

• Sur Linux & Mac, ton clavier a probablement plus de symboles. AltGr et AltGrShift sont utilisées pour tapper plus de caractères. Par exemple sur mon clavier AltGr+I = →. Tu peux également utiliser un clavier étendu avec les symboles que tu veux ou le créer toi-même une disposition de clavier en modifiant quelques fichiers.
• Sur Linux utilise la touche Compose ! Elle ne dépend pas du clavier virtuel, chez moi j'ai configuré dans les paramètres systèmes que la touche Pause soit en fait la touche Compose. Ensuite par exemple je peux tapper Compose puis ' puis e donne é ou Compose < < donne "«" ou Compose > = donne ≥ et bien plus encore sur Ubuntu Help. Voici aussi une liste que j'ai trouvée.
• Sur Windows télécharge WinCompose et utilise la touche Compose ! Elle ne dépend pas du clavier utilisé, chez moi j'ai configuré que la touche Pause soit en fait la touche Compose. Ensuite par exemple je peux tapper Compose puis ' puis e donne é ou Compose < < donne "«" ou Compose > = donne ≥ et bien plus encore sur Ubuntu Help. Voici aussi une liste que j'ai trouvée.
• Sous Windows il y a ce logiciel officiel pour créer toi-même une disposition de clavier, cependant l'installation du nouveau clavier est légèrement inhabituelle. Tu peux par exemple, faire que quand on fait AltGr+w ça fait le caractère "«" ?
• Sur Android/iOS : appui long sur une touche va vous montrer d'autres symboles.
• Sur Android/iOS : téléchargez un autre clavier avec les symboles que vous aimez.
• Sur Android/iOS : utiliser le Dictionnaire personnel avec des raccourcis.
• Sur PowerPoint de LibreOffice Impress : utiliser le Dictionnaire personnel avec des raccourcis (appelé Autocorrection).
• Sur Mac (seulement les app Cocoa) Apui long sur une touche va vous montrer d'autres symboles.
• Sur Latex, il y a probablement une séquence du style \times pour ×.
• En Html, il y a probablement une séquence du style × pour ×. Liste Wikipédia.
• Sur vim: digraph! C'est la même idée que la Compose Key.
• Sur n'importe quelle plateforme : tappez le nom sur Google et puis copiez-collez... ou utiliser la table des caractères présente dans l'OS mais utilisez-la en dernier recours car c'est tellement lent...

Si tu connais le point de code Unicode comme U+2205

Notez néamoins que retenir une liste de nombre est stupide donc préférez les autres méthodes de cette page...

• Sur Linux dans une app GTK+ : Ctrl+Shift+U 2 2 0 5 Enter.
• Sur Windows Alt et + sur le clavier numérique puis 2 2 0 5 (sur le clavier numérique). Cependant tu as besoin d'activer une clef du registre Windows. Méthode 1 Méthode 2. Il est possible d'entrer certains caractères sans changer le registre mais la méthode n'est pas universelle, plus d'info ici. Mais préférez une autre méthode car retenir des nombres c'est stupide...
• Sur Windows sous Word: 00C5 Alt+C
• Sous macOs: Alt + Maj + F ou Alt + 00C5
• En HTML: ∅
• En code: "\u2205" (Java/Javascript/Python), chr(0x2205) (Python), String.fromCharCode(0x2205) (Javascript), Character.toString((char)0x2205) (Java).

Quand tu sais le dessiner à la main

• Pour LaTeX: detexify, puis LaTeX to unicode pourrait marcher.
• Pour Unicode il y a (mais la tâche est plus difficile) : shapecatcher

Notes sur les claviers français

• Sur un clavier français de France sur Windows, il est impossible d'écrire des accents aigus sur toutes les lettres (typiquement les majuscules ou les caractères non français comme le í), changez au clavier belge ou utilisez une autre méthode expliquée dans cette liste.
• Sur le clavier belge, il y a une touche morte Accent aigu et accent grave sur AltGr+ù et AltGr+µ.
• Aucun de ces claviers permet le Ç ou les guillemets "«»" ou l'espace insécable.
• Le clavier BÉPO est un bon clavier ergonomique pour tapper en français mais il est très différent de QWERTY ou AZERTY. Cependant il a beacuoup de caractères utiles à la typographie française comme « » É Ç et l'espace insécable.
• Le clavier belge sur Linux par défaut permet "ÉÈÇÙ" majuscules, "«»" et même "œæ" et a une touche morte de cédille. Et vu que c'est linux, c'est super facile de customiser son clavier (il suffit de modifier un fichier texte).
• À mon humble avis, on devrait créer un "clavier français europpéen" où les 26 lettres sont comme le qwerty, où les touches mortes pour les accents existent (pourquoi pas la cédille), où les guillemets sont en Alt+Gr (je propose "AltGr+W, AltGr+X" pour compatibilité avec linux). En passant, je vote pour "·" (utilisé en langage inclusif (langage de genre inclusif)) et "×" (pourquoi pas "÷" et "−") et sous Windows laisser une option qui dit que ShiftLock = CapsLock... Oui ShiftLock est utile pour tapper vite des numéros sur clavier non full (très courant pour des laptop ≤ 14 pouces).

Clavier virtuels sur le web

• Tapper rapidement des caractères en plein de langues — Lexilogos ou Type It.

  Très pratique quand on est, je conseille d'épingler l'onglet, voire de l'avoir dans une nouvelle fenêtre de petite taille, et de connaître Alt+Tab !

Opérations Unicode

Python a un support built-in d'unicode depuis la version 3, en python 2 il y a avait deux typles de strings, les strings normales et les strings unicode. Python a également un module import unicodedata pour des opérations plus complexes liées à l'Unicode.

• Conversion nombre ↔ caractère : chr(233) == chr(0xe9) == "é", ord("é") == 233
• Caractère via le point de code dans une String :: print("Les rayons \u03B3 sont dangereux !")
• Majuscule, minuscule : "été".upper() == "ÉTÉ", "été".lower() == "été"
• Connaître le nom : unicodedata.name("é") == 'LATIN SMALL LETTER E WITH ACUTE'
• Composition, décomposition unicodedata.normalize('NFC', "é") # U+00E9, unicodedata.normalize('NFD', "é") # U+0065 U+0301

En mode interactif dans ma calculette python, je peux par exemple faire uniline("αβγ") pour avoir une belle liste :

["U+03B1 α GREEK SMALL LETTER ALPHA",
 "U+03B2 β GREEK SMALL LETTER BETA",
 "U+03B3 γ GREEK SMALL LETTER GAMMA"]

Voici la définition de la fonction uniline, pour plus de fun, voir mon fichier uniutils.py :

import unicodedata

def uniname(s):
    """ é → LATIN SMALL LETTER E WITH ACUTE """
    if len(s) == 1:
        return unicodedata.name(s, '?')
    else:
        return [uniname(x) for x in s]

def uord(s):
    """ é → U+00E9 """
    if len(s) == 1:
        return 'U+' + hex(ord(s))[2:].zfill(4).upper()
    else:
        return [uord(x) for x in s]

def uniline(s):
    """ é → U+00E9 é LATIN SMALL LETTER E WITH ACUTE """
    if len(s) == 1:
        return uord(s) + ' ' + s + ' ' + uniname(s)
    else:
        return [uniline(x) for x in s]

More readings

https://docs.python.org/fr/3.7/howto/unicode.html