Combien d'octets pour un court texte français accentué ?
Mesurez un texte français accentué : le nombre d'octets en UTF-8 dépasse légèrement le nombre de caractères.
Par Jimenez Julien, éditeur de Calepin Binaire · mis à jour le
- Caractères (points de code)
- 134
- UTF-8
- 144 octets
- UTF-16
- 268 octets
- UTF-32
- 536 octets
- ISO-8859-1 (Latin-1)
- impossible : 1 caractère hors table
- ASCII
- impossible : 9 caractères hors table
Le cas en détail
Dans un texte français courant, la plupart des caractères sont des lettres non accentuées, qui pèsent un octet. Les accents, les guillemets typographiques et l'euro en pèsent deux ou trois. L'écart reste donc faible sur du texte, mais il peut atteindre le triple dans un texte japonais.
À retenir : Pour estimer la taille d'un texte français, ajoutez environ 5 à 10 % au nombre de caractères.
L'exemple chiffré
Valeurs utilisées dans ce cas (des exemples, pas des mesures) :
- Texte à mesurer : « Où est passée la clé USB ? J'ai cherché partout, même sous le canapé, mais elle reste introuvable : peut-être dans l'ancien sac à dos… »
- Caractères (points de code)
- 134
- UTF-8
- 144 octets
- UTF-16
- 268 octets
- UTF-32
- 536 octets
- ISO-8859-1 (Latin-1)
- impossible : 1 caractère hors table
- ASCII
- impossible : 9 caractères hors table
Modifiez les champs ci-dessus pour adapter le calcul à votre situation : le résultat se met à jour tout de suite.
Comment ça se calcule
Le texte est découpé en points de code Unicode. En UTF-8, un point de code occupe 1 à 4 octets selon sa valeur (1 jusqu'à U+007F, 2 jusqu'à U+07FF, 3 jusqu'à U+FFFF, 4 au-delà). En UTF-16, 2 octets ou 4 pour les caractères hors plan de base ; en UTF-32, toujours 4. Latin-1 et ASCII n'acceptent que les 256 et 128 premiers points de code.
Les résultats sont fournis à titre indicatif, sans valeur de conseil juridique, fiscal ou financier.