Лекція 4. Як комп’ютер зберігає текст

Лекція 4. Як комп’ютер зберігає текст

Рівень 1: Мисливець за даними

Марко, сьогодні ми не просто вивчимо новий термін — ми відкриємо ще один шар того, як насправді працює комп’ютер.

Що ми сьогодні розкриємо

• зрозуміти, навіщо символам потрібні числові коди
• познайомитися з ASCII, Unicode та UTF-8
• уміти отримати код символу й побачити його байти

Зв’язок з попередніми лекціями

У цій лекції ми використаємо знання про біти та байти з лекції 3, щоб зрозуміти, як символи перетворюються на числові коди.

Букві потрібен номер

Комп’ютер не може покласти всередину пам’яті справжню літеру A. Він зберігає числа. Тому люди домовилися: кожному символу призначити номер.

Наприклад, у таблиці ASCII латинська велика A має номер 65, B — 66, а цифра-символ 0 — 48. Така таблиця дозволяє різним програмам однаково тлумачити ті самі числа.

ASCII було замало для світу

ASCII створювався для невеликого набору символів і добре працював з англійською. Але у світі є українська, японська, арабська, математичні знаки, emoji та тисячі інших символів.

Тому з’явився Unicode — велика система кодових точок для символів багатьох мов. Наприклад, М має власну Unicode-кодову точку.

UTF-8 — спосіб перетворити Unicode на байти

Unicode відповідає на питання «який номер має символ», а UTF‑8 визначає, як цей номер записати одним або кількома байтами.

Англійські ASCII-символи в UTF‑8 займають один байт. Багато українських літер — два байти. Emoji можуть займати ще більше.

Тому важливо розрізняти:

символ → Unicode-код → байти UTF-8

Приклади

Приклад 1

У Python ord("A") дає 65, а chr(65) повертає A. Це два напрямки одного перекладу.

Приклад 2

"A".encode("utf-8") покаже один байт, а "М".encode("utf-8") — кілька байтових значень.

Приклад 3

bin(ord("A")) показує двійковий запис числа 65. Так ми пов’язуємо цю лекцію з двійковою системою.

Python-лабораторія: розбираємо ім’я на коди

name = "Марко"

for letter in name:
    code = ord(letter)
    print(
        letter,
        "Unicode:", code,
        "binary:", bin(code),
        "UTF-8:", letter.encode("utf-8")
    )

Потім спробуй змінити name на Marko і порівняй результат.

Місія для Марка

Виконай місію по черзі. Якщо щось не виходить — спочатку перечитай приклад вище й спробуй знайти, на якому кроці результат відрізняється.

1. запусти програму для Марко та Marko
2. випиши Unicode-коди всіх літер слова Марко
3. за допомогою chr() віднови хоча б три символи з їхніх кодів
4. порівняй len("Marko") і len("Marko".encode("utf-8")), а потім те саме для Марко
5. поясни ланцюжок «символ → Unicode → UTF‑8 байти» власними словами

Перевір себе

• Що робить ord()?
• Що робить chr()?
• Навіщо з’явився Unicode?
• Чим Unicode відрізняється від UTF‑8?
• Чому український текст може мати більше байтів, ніж символів?

Терміни однією фразою

• Код символу — номер, який домовлено дати кожному символу (наприклад A = 65).
• ASCII — старий алфавіт символів з невеликим набором (переважно англійська).
• Unicode — велика система номерів для символів багатьох мов, знаків та emoji.
• Кодова точка — номер конкретного символа в Unicode.
• UTF-8 — правила, як записати Unicode-номер одним або кількома байтами.
• ord() / chr() — Python-функції: ord дає номер символа, chr повертає символ за номером.

Чек-лист перед наступною лекцією

• Чи можеш ти пояснити різницю між ASCII та Unicode?
• Чи знаєш ти, як працює UTF-8 кодування?
• Чи вмієш ти користуватися функціями ord() та chr()?

Що потрібно винести з лекції

• текст у комп’ютері представлений числовими кодами та байтами
• ASCII — старий невеликий набір символів, Unicode охоплює значно більше мов і знаків
• UTF‑8 — популярний спосіб кодувати Unicode-символи у байти

---

Хакерський принцип: не запам’ятовуй магічні слова. Намагайся пояснити своїми словами, що відбулося і чому.