Combien d'octets pèse un texte en japonais ?
Chaque caractère japonais pèse 3 octets en UTF-8 : un texte de 5 caractères en pèse 15.
Par Jimenez Julien, éditeur de Calepin Binaire · mis à jour le
- Caractères (points de code)
- 5
- UTF-8
- 15 octets
- UTF-16
- 10 octets
- UTF-32
- 20 octets
- ISO-8859-1 (Latin-1)
- impossible : 5 caractères hors table
- ASCII
- impossible : 5 caractères hors table
Le cas en détail
Les caractères d'écriture japonaise se situent entre U+3000 et U+9FFF, donc dans la tranche des 3 octets de l'UTF-8. En UTF-16, ils n'en prennent que 2 : l'encodage le plus compact dépend de la langue du texte.
À retenir : UTF-8 favorise les textes latins, UTF-16 est plus économe pour certaines écritures asiatiques.
L'exemple chiffré
Valeurs utilisées dans ce cas (des exemples, pas des mesures) :
- Texte à mesurer : « こんにちは »
- Caractères (points de code)
- 5
- UTF-8
- 15 octets
- UTF-16
- 10 octets
- UTF-32
- 20 octets
- ISO-8859-1 (Latin-1)
- impossible : 5 caractères hors table
- ASCII
- impossible : 5 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.