Séance de cours

Encodage de texte : Unicode et XML

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

DH-405: Foundations of digital humanities

This course introduces the core concepts and methodologies of Digital Humanities, integrating both theoretical and practical perspectives. Students learn to work with large-scale cultural datasets, acquiring the tools and techniques required for their proc ...

Description

Cette séance de cours couvre l'évolution de l'encodage de texte, de l'ASCII à l'Unicode, ce qui permet la représentation de divers systèmes d'écriture. Il explore les défis de l'encodage de textes multilingues et le développement de XML en tant que représentation de texte hiérarchique. La discussion s'étend à l'initiative d'encodage de texte (TEI) et aux complexités de l'encodage des textes structurés. En outre, il explore l'utilisation de l'OCR, du HTR et du crowdsourcing pour les corrections de texte, ainsi que la gestion des variations orthographiques dans les textes historiques.

Enseignant·e

Frédéric Kaplan

Courte biographie Le professeur Frédéric Kaplan dirige le Collège des Humanités de à l'école polytechnique fédérale de Lausanne (EPFL). Il est également titulaire de la chaire de Digital Humanities (humanités digitales / humanités numériques) et président de la Time Machine Organisation, une entité à but non lucratif regroupant plus de 600 institutions. Il est l'auteur d'une dizaine de livres, traduits en plusieurs langues, et de plus d'une centaine de publications scientifiques. Ses travaux ont également

Source officielle

Concepts associés (27)

American Standard Code for Information Interchange

L'American Standard Code for Information Interchange (Code américain normalisé pour l'échange d'information), plus connu sous l'acronyme ASCII (, ), est une norme informatique de codage de caractères apparue dans les années 1960. C'est la norme de codage de caractères la plus influente à ce jour. ASCII définit 128 codes à 7 bits, comprenant 95 caractères imprimables : les chiffres arabes de 0 à 9, les 26 lettres de l'alphabet latin en minuscules et en capitales, des symboles mathématiques et de ponctuation.

Texte brut

Le texte brut, ou pur ou simple, traduction de l'anglais plain text, est une notion liée à la représentation du texte utilisée entre dispositifs électroniques.

Art ASCII

L’art ASCII consiste à réaliser des images uniquement à l'aide des lettres et caractères spéciaux contenus dans le code ASCII. Parmi les plus anciens exemples connus d'art ASCII, on trouve les créations du pionnier de l'art informatique datant d'environ 1966. À cette époque, il travaillait pour les Laboratoires Bell. Fichier:aa example1.png|Logo de style « Oldskool » ou « [[Amiga]] ». Fichier:aa example2.png|Logo de style « Newskool ». Fichier:aa example3.png|Logo de style « Block » ou « High ASCII », en [[ANSI art]].

ASCII étendu

Les codages de caractères ASCII étendu, aussi connus dans leur dénomination anglaise extended ASCII, sont un ensemble de jeux de codage de caractères qui ont en commun le sous-ensemble de caractères ASCII. Ce terme est informel et peut être critiqué pour deux raisons : d'une part cette dénomination pourrait laisser penser que le standard ASCII aurait été étendu, alors qu'il désigne en fait un ensemble de normes qui incluent le sous-ensemble ASCII ; d'autre part, l'ASCII étendu ne désigne pas un codage de caractère donné mais un ensemble imprécis de normes précisant chacune un codage de caractères surensemble de l'ASCII.

Conversion du binaire en texte

Une conversion du binaire en texte est un encodage de données en texte brut. Plus précisément, il s'agit d'un encodage de données binaires en une suite de caractères imprimables. Ces encodages sont nécessaires pour la transmission des données lorsque le canal n'autorise pas les données binaires (telles que les e-mails ou NNTP ) ou n'est pas en .

Afficher plus

Séances de cours associées (20)

Encodage de texte : Unicode et XML

Explore l'évolution de l'encodage de texte à travers les normes Unicode et XML, en soulignant les défis et les progrès dans le traitement de texte multilingue et les technologies de reconnaissance de texte.

Encodage des caractères : ASCII, ISO 8859-1, Unicode

Explore l'évolution des normes d'encodage de caractères comme ASCII, ISO 8859-1 et Unicode.

Gestion des fichiers : Texte et octets

Couvre la gestion des fichiers, les opérations de chaînes de caractères et les encodages de caractères dans Python.

Unicode: Représentation de caractères

Explique le standard Unicode pour la représentation de caractères à l'aide d'un codage de taille variable.

Fichiers: Notions de base et manipulation

Explore les bases de fichiers, la gestion des erreurs et l'endianness dans le stockage et l'accès aux données.

Afficher plus

Concepts associés (27)

American Standard Code for Information Interchange

Texte brut

Le texte brut, ou pur ou simple, traduction de l'anglais plain text, est une notion liée à la représentation du texte utilisée entre dispositifs électroniques.

Art ASCII

ASCII étendu

Conversion du binaire en texte

Afficher plus