Mailman 3 - python-de

for unpacking
by Patrick Rudin Aug. 14, 2024

Aug. 14, 2024

Vermutlich habe ich irgendwas falsch verstanden, wie unpacking funktioniert. Jedenfalls: zahlen = [[5,5,5]] zahlen.append([9,9,9]) for t in zahlen: t[1] += t[2] nummern = [[5,5,5]] nummern.append([9,9,9]) for a,b,c in nummern: b += c Auf der Konsole dann abgefragt: zahlen Out[7]: [[5, 10, 5], [9, 18, 9]] nummern Out[8]: [[5, 5, 5], [9, 9, 9]] Ich kapier das nicht. Funktioniert unpacking nur lesend? Oder wie kann ich einen Wert während der For-Schlaufe ändern, ohne die umstä… [View More]

4 26

Re: for unpacking
by Hermann Riemann Aug. 14, 2024

Aug. 14, 2024

Am 14.08.24 um 11:21 schrieb Stefan Ram: > Python hat ja keinen Präprozessor für bedingte Compilierung > jedoch kann man manchmal das normale "if" dafür verwenden! Was spricht dagegen, den Präprozessor von C zu nehmen? Außer der dann falschen Zeilenangaben zum Quelltext? Da # ist doch Einladung. Da war doch mal was der Art: Datei 1 def x(z): if z <0: y(z) .. Datei 2 def y(z): if z >10: x(z) .. > Bilder von Katzen sind das beste !!! Katzen gekocht oder … [View More]

1 0

Re: for unpacking
by Hermann Riemann Aug. 13, 2024

Aug. 13, 2024

Am 13.08.24 um 13:16 schrieb Stefan Ram: > Hermann Riemann <nospam.ng(a)hermann-riemann.de> schrieb oder zitierte: >> Python macht z.B. Probleme in os.walk bei ISO in Dateinamen. > > Unter Linux ist heute UTF-8 die Standardkodierung. Mit > Systemvariablen wie "LANG" oder "LC_CTYPE" könnte man dies > vielleicht umstellen. > > Es dürfte Probleme bereiten, falls auf einem System Dateinamen > mal in UTF-8 und mal in ISO-8859-1 kodiert sind. … [View More]

1 0

Codepage-Methode und Basis 4096
by Erich Schnoor Aug. 13, 2024

Aug. 13, 2024

Sehr geehrter Herr Büchel, hier als Nachtrag der Auszug aus meinem Programm-Code zur Generierung der “binär-sequenz” für das zu sendende Wort: Testwwwort: “Herbstzeitlose" Codierte Form in <index>Ziffern: Zeile: Herbstzeitlose <point>Folge: 72 101 114 98 115 116 122 101 105 116 108 111 115 101 number of bytes: 14 <index>Folge: Ê æ ó ã ô õ û æ ê õ í ð ô æ <infolge> gespeichert in infolge.dvd : … [View More] for a in zeile: if a == " ": digit = nachdez(basis,sign) zeichen = chr(digit) ptcode = ptcode + zeichen point = ord(zeichen) marke = nachsys(2,point) digital = "0000000000000000"+marke binary = digital[-16:] binfolge = binfolge + binary sign = "" else: sign = sign + a print() print(" sequence of <index>data:") print("",zeile) Zu Ihren Fragen: Als Testwoirt ist der Begriff: “Herbstzeitlose” in die dt.Codepage eingegeben worden. Nach Bestätigung der Eingabe erfolgt das “senden” wie folgt: Position “senden" 1. send keyboard: 2. read data: 3. write data: 4. menue: chose position > 1 / 2 / 3 / 4 > 1 sending keyboard data sequence of <index>data: Ê æ ó ã ô õ û æ ê õ í ð ô æ sequence of <original>data: Herbstzeitlose sequence of <binary>data: 00000000010010000000000001100101000000000111001000000000011000100000000001110011000000000111010000000000011110100000000001100101000000000110100100000000011101000000000001101100000000000110111100000000011100110000000001100101 Die Sendung erfolgt mit der Datei: binfolge.bin : Der codierte Text wird mit der binären Sequenz ins Internet gesendet. Position “empfangen" Die binäre Sequenz (als "binfolge.bin”) wird aus dem Internet geladen und wie folgt in Klartexdt zurück verwandelt: received data and reading received data? > binfolge.bin row of <binär>data: 00000000010010000000000001100101000000000111001000000000011000100000000001110011000000000111010000000000011110100000000001100101000000000110100100000000011101000000000001101100000000000110111100000000011100110000000001100101 original text received: Herbstzeitlose sequence of <index>data: Ê æ ó ã ô õ û æ ê õ í ð ô æ Transdata-file has gotten the name: > Original.txt Ich hoffe, damit Ihre Fragen beantwortet zu haben. Mit freundlichen Grüßen Erich Schnoor [View Less]

2 15

Re: for unpacking
by Patrick Rudin Aug. 12, 2024

Aug. 12, 2024

Stefan Ram wrote: > Patrick Rudin <taxi_bs(a)gmx.ch> schrieb oder zitierte: >> Bin mal auf die Python-Eigenheiten gespannt, wenn ich mich endlich an >> Klassen wage... > > Hier das Hallo-Welt-Programm für Klassen in Python: > > Quelltext > > class HalloWelt: > print( "Hallo Welt!" ) Danke für die Bestätigung, dass Hallo Welt-Programme für das Aufzeigen von Unterschieden zwischen verschiedenen Programmiersprachen nutzlos sind. Eigentlich … [View More]

2 1

Re: for unpacking
by Peter J. Holzer Aug. 11, 2024

Aug. 11, 2024

On 2024-08-11 13:48, Stefan Ram <ram(a)zedat.fu-berlin.de> wrote: > "Peter J. Holzer" <hjp-usenet4(a)hjp.at> schrieb oder zitierte: >>On 2024-08-11 10:46, Stefan Ram <ram(a)zedat.fu-berlin.de> wrote: >>>"Zeiger" gibt es in C. >>"Zeiger" ist ein programiersprachenübergreifendes Konzept. > > Die Vorstellung einer programiersprachenübergreifenden Terminologie > führt immer wieder zu Begriffsverwirrungen. Letztendlich definiert > jede … [View More]Programmiersprache ihre eigenen Begriffe. Zweifellos, aber das ändert nichts daran, dass es die Konzepte programiersprachenübergreifend gibt. Es bringt nichts, so zu tun, als ob ein gebundener Name in Python etwas ganz anderes wäre als ein Pointer in Pascal. Beides sind Implementationen des gleichen Konzepts. Oder zu behaupten, dass entweder C oder Pascal einen Pointer falsch implementieren, weil beide Sprachen das gleiche Wort für etwas verwenden, das sich in (wichtigen!) Details unterscheidet. Man braucht eine Sprache, um über Programmiersprachen sprechen zu können. Natürliche Sprachen (auch Fachsprachen) haben nicht für jedes Konzept ein anderes Wort. Man muss im Kontext erkennen, ob mit "Pointer" gerade das Konzept des Pointers im Allgemeinen, ein Pointer in C oder einer in Pascal gemeint ist. Oder vielleicht etwas ganz anderes wie ein Mauszeiger. Wenn das nicht möglich ist, muss man das halt ergänzen oder eine lokale Terminologie definieren. >>Zeiger mögen in verschiedenen Programmiersprachen anders genannt >>werden und leicht unterschiedliche Eigenschaften haben (in C kann man >>z.B. damit rechnen, in den meisten anderen Sprachen nicht), aber das >>Grundkonzept gibt es fast überall. > > Zeiger gehören zum Laufzeitmodell, während Namen zum Quelltextmodell > gehören. > > Das heißt: Ein Zeiger ist ein Wert, der relevant ist, wenn man > beschreibt, was bei der Ausführung eines Programms passiert. > Er steht nicht im Quelltext. Ein Name ist umgekehrt etwas das > im Quelltext steht. Das ist eben bei Python nicht so. Der "Name" existiert sehr wohl zur Laufzeit, und die Bezeichnung "Name" wird auch nicht nur für Identifier verwendet, sondern für alles, was "gebunden" werden kann. > Mit dem Begriff "Bindung" drückt man aus, > daß eine Quelltextentität (Name) mit einer Laufzeit (Objekt) > verbunden ist. Die Language Reference ist meiner Meinung nach sehr klar darin, dass "binding operations" und "unbinding operations" Laufzeitoperationen sind, die auf Entitäten operieren, die zur Laufzeit existieren. >>>In Python sind Namen an Objekte /gebunden/. >>Das ist der übliche Jargon in Python, > > Das sind die /korrekten Fachbegriffe/ aus "The Python Language > Reference" von Guido van Rossum und kein "Jargon"! Korrekte Fachbegriffe sind immer Jargon (laut Duden "Sondersprache bestimmter durch Beruf, Stand, Milieu geprägter Kreise mit speziellem [umgangssprachlichem] Wortschatz"). >>ich halte ihn aber aus mehreren Gründen für irreführend: >>1. "Binden" ist ein Verb. Das beschreibt also eine Operation, nämlich >> genau die, die anderswo in der Dokumentation als "assignmen" >> (Zuweisung) bezeichnet wird. > > Beim /Binden/ wird, wie ich oben ausgeführt hatte, eine > Quelltextentität (der Name) mit einer Laufzeitentität (dem > Objekt) verbunden. > > Bei einer /Zuweisung/ (Begriff aus anderen Programmiersprachen) > wird ein Wert (eine Laufzeitentität) in einen Wertspeicher > (ebenfalls eine Laufzeitentität!) geschrieben. Ich halte diese Unterscheidung für falsch (d.h. sie geht weder aus der Language Reference hervor noch entspricht sie dem Sprachgebrauch). Aus der Language Reference kann man herauslesen, dass eine Zuweisung eine bestimmte Art der Bindung ist, aber das bezieht sich auf die syntaktische Form (assignment expressions), nicht die Semantik. Und im Sprachgebrauch wird der Begriff assignment jedenfalls nicht nur für assignment expressions verwendet: Ein Satz wie "a function definition is a form of assignment" ist unauffällig. >>(Zuweisung) bezeichnet wird. "Gebunden" ("bound") sagt also >>eigentlich nur aus, dass dem Namen bereits irgendetwas zugewiesen >>wurde. Es sagt wenig darüber aus, was das für Folgen hat und was man >>dann damit machen kann. > > Das wird in "The Python Language Reference" ausführlich beschrieben. > >>2. "Gebunden" hat keine klare Richtung. Wenn A an B gebunden ist, hängt >> dann A an B oder B an A oder hängen sie aneinander? > > In Python kann man die Richtung in einem gegebenen Kontext immer > daran erkennen, daß auf einer Seite ein Name (eine Quelltextentität) > und auf der anderen Seite ein Objekt (eine Laufzeitentität) steht. Dir fällt jetzt aber nicht auf, dass auch Dein Satz keine Aussage über die Richtung trifft? >>> def f(): >>> Hans = 5 >>> def g(): >>> Hans = 6 >>Das sind andere Namen. Der Scope gehört zum Namen, auch wenn er nicht >>explizit geschrieben wird. > > "Hans" ist ein anderer Name als "Hans"? Der Gültigkeitsbereich > gehört zum Namen? Das könnte die Kommunikation mit anderen > erschweren, wenn man solche Begriffe verwendet! Das Konzept des Namespace ist seit Jahrzehnten erfunden und Informatikern wohlvertraut. Ein Name existiert innerhalb seines Namespaces. Der Identifier ist in beiden Fällen gleich, aber es sind unterschiedliche Namen. Du begehst hier genau den Fehler, den Du mir oben vorgeworfen hast. Du verwendest nicht die Fachsprache, sondern allgemeines Deutsch. Aber ja, genau das ist der Grund, warum ich die Bezeichnung "Name" hier für unpraktisch halte. Sie verleitet zu falschen Schlüssen, weil jeder glaubt, zu wissen, was ein "Name" ist. > Du kannst natürlich Deine ganz eigene Terminologie aufstellen, Vor jemandem, der im Usenet berüchtigt für seine unverständliche Privatterminologie ist, ist dieser Vorwurf einigermaßen lustig. hp [View Less]

1 0

Re: for unpacking
by Peter J. Holzer Aug. 11, 2024

Aug. 11, 2024

On 2024-08-11 10:46, Stefan Ram <ram(a)zedat.fu-berlin.de> wrote: > "Peter J. Holzer" <hjp-usenet4(a)hjp.at> schrieb oder zitierte: >>Es gibt natürlich auch Unterschiede, z.B. kann in Python ein Name immer >>nur auf genau ein Objekt zeigen > > "Zeiger" gibt es in C. "Zeiger" ist ein programiersprachenübergreifendes Konzept. Zeiger mögen in verschiedenen Programmiersprachen anders genannt werden und leicht unterschiedliche Eigenschaften haben (in C kann man z.… [View More]

1 0

Re: for unpacking
by Patrick Rudin Aug. 10, 2024

Aug. 10, 2024

Stefan Ram wrote: > Du meinst vielleicht, daß es keine Aliasse für /Stellen/ von > Listen gibt. Was also nicht geht ist: > > |>>>| a =[ 1, 2, 3 ] > |>>>| b = alias_for( a[ 1 ]) > |>>>| b = 4 > |>>>| print( a ) > | | [1, 4, 3] Ja, genau sowas. Für Fälle von unpacking, wo eine wirklich nur zu 99 Prozent lesend verwendet? > . In Python gibt es eine universelle Regel, welche immer für > "b = 4" gilt und die besagt, … [View More]

2 1

Re: for unpacking
by Peter J. Holzer Aug. 7, 2024

Aug. 7, 2024

On 2024-08-07 10:03, Stefan Ram <ram(a)zedat.fu-berlin.de> wrote: > ram(a)zedat.fu-berlin.de (Stefan Ram) schrieb oder zitierte: >>Dieses Nichtvorkommen legt es für mich nahe, daß die Frage >>der Veränderbarkeit des Ziels für die Bedeutung von "+=" >>nur eine begrenzte Bedeutung hat! >>|An augmented assignment evaluates the target (which, unlike >>|normal assignment statements, cannot be an unpacking) and the >>|expression list, performs the binary … [View More]

1 0

Codepage-Methode und Basis 4096
by Wolli Buechel Aug. 6, 2024

Aug. 6, 2024

Sehr geehrter Herr Schnoor, hier einige Fragen zu Ihrer Codepage-Methode und dem ominösen Zahlensystem zur Basis 4096. Frage 1 Warum wählten Sie die Basis b = 4096 für Ihre Codepage-Methode (CPM) zum Nummerieren der UTF8-Zeichen? Antwort: Da Sie bis jetzt diese Frage nicht beantwortet haben, hier ein Antwortversuch von mir. Frage 2 Was ist Zweck oder Ziel der CPM? Wozu das Monster-Zahlensystem 4096? Antwort: Sie wollen mit CPM den Speicherbedarf (gemessen in 8-Bit-Byte) für die dezimalen „… [View More]Hausnummern“ ord(ch) der UTF8-Zeichen ch reduzieren, und zwar auf knapp die Hälfte, durch Verwendung der 4096-Index-Nummern, in die die dezimalen Hausnummern übersetzt werden. Die sind gewissermaßen getunte Hex-Zahlen (statt der Basis 16 die Superbasis 4096). Und wozu dieser Aufwand? Die byte-reduzierten Hausnummern werden anstelle von Klartextnachrichten übers Netz verschickt. CPM ist im Kern eine Symmetrische Chiffre mit dem System-Ziffernstring als Schlüssel. Frage 3 (damit man sieht, wo man anfängt, wo’s langgeht, und wo man endet): Wie groß muß die Basis b>1 eines Zahlensystems sein, wenn man mit höchstens 2 Ziffern dieses Systems genau 256 Zahlen (0..255) notieren können will. Antwort: b = 16 = Wurzel aus 256, System = Hex-Zahlen Denn mit 16 verschiedenen Ziffern kann man 16**2 = 256 ein- oder zweiziffrige Hex-Zahlzeichen notieren. Was einmal geht, geht auch zweimal. Dachten Sie wohl. Und ich auch. Darum hier die zu Frage 3 analoge Frage 4 Welche (minimale) System-Basis b>1 braucht man zum Nummerieren der aktuell 1.114.111 UTF8-Zeichen, wenn man zum Nummerieren höchstens 2-ziffrige Zahlzeichen verwenden will? Antwort: b = 1056 = gerundete Wurzel aus 1.114.111. Überraschung Eins: Die Antwort hat mich überrascht: Optimale Basis = wenig größer als ein Viertel der Superzahl. ============================== Da Ihre CPM für alle Basiswerte 2 <= b <= 4098 anwendbar ist, habe ich den Rechner zur Basis-Testung angeworfen. Und die jeweilige Byte-Reduktion ermittelt. Welchen Ziffernstring habe ich verwendet? Den einfachsten: Alle UTF8-Zeichen von 0 bis zur jeweiligen Basis b. ziffern = ''.join([ chr(x) for x in range(0, 4096) ]) Anzahl Ziffern : 4096 Anzahl Bytes : 10112 Dieser Ziffernstring ist optimal, denn der enthält die Zeichen mit den wenigsten Byte. Es gibt keinen Ziffernstring mit weniger Byte. Die Basis läßt sich beliebige verkleinern durch Slicing, z.B. basis = 128 ziffern = ziffern[:basis] ========================== Überraschung Zwei: Der Test lieferte eine merkwürdiges Ergebnis: Die größte Byte-Reduktion über alle Codepoints 1 bis 1.114.111 liefert eine dreistellige Basis, b = 128. Hier das Testergebnis für b = 128: Basis für CPM : 128 BytesUTF8 : [0, 128, 1920, 61440, 1048576, 0] # ANZAHL der UTF8-Zeichen mit 0,1,2,3,4,5 Byte BytesIndex : [0, 128, 16256, 1095680, 0] # ANZAH der Index-Zahlzeichen mit 0,1,2,3,4 Byte ZiffernIndex : [0, 128, 16256, 1095680, 0] # ANZAH der Index-Zahlzeichen mit 0,1,2,3,4 Ziffern Σ Bytes UTF8 : 4382592 # Gesamtzahl der Bytes in allen 1.114.111 UTF8-Zeichen Σ Bytes Index : 3319680 # Gesamtzahl der Bytes in allen 1.114.111Index-Zahlzeichen Diff (I - U) : -1062912 # klar Quote (I : U) : 75.75% # klar Reduktion : -24.25% # klar Ergebnis in Worten für b=128: ZiffernIndex: Es werden nur 1-, 2- oder 3-ziffrige Zahlzeichen verwendet; BytesIndex: Diese Zeichen haben 1, 2, oder 3 Byte. Die Anzahl der Zahlzeichen ist gleich der Anzahl der Byte. Dies ist vollkommen logisch. Denn die Basis b=128 verwendet in dem MINIMALISTISCHEN Ziffernstring exakt 128 Zeichen von einem Byte. Noch einen Tick besser ist die Byte-Reduktion für b=129: Basis für CPM : 129 BytesUTF8 : [0, 127, 1920, 61440, 1048576, 0] BytesIndex : [0, 128, 16512, 1095423, 0] ZiffernIndex : [0, 128, 16512, 1095423, 0] Σ Bytes UTF8 : 4382591 Σ Bytes Index : 3319421 Diff (I - U) : -1063170 <== MIN -1.063.170 Quote (I : U) : 75.74% ================================== Und hier der Test für ausgewählte Basis-Werte (b = 2**k, für k= 12, 11, …, 16) Hinweis: Ist ein Reduktionswert POSITIV, handelt es sich tatsächlich nicht um eine Reduktion, sondern um einen Mehraufwand. Nur NEGATIVE Reduktionswerte bedeuten tatsächlich weniger Aufwand. Dies wird auch klar durch Quote (I : U) = Quote (Index : UTF8) Basis für CPM : 4096 BytesUTF8 : [0, 128, 1920, 61440, 1048576, 0] BytesIndex : [0, 129, 18432, 266253, 534529, 292721, 0] ZiffernIndex : [0, 4096, 1107968, 0] Σ Bytes UTF8 : 4382592 Σ Bytes Index : 4437473 Diff (I - U) : 54881 Quote (I : U) : 101.25% Reduktion : 1.25% Basis für CPM : 2048 BytesUTF8 : [0, 128, 1920, 61440, 1048576, 0] BytesIndex : [0, 129, 18302, 297248, 796385, 0] ZiffernIndex : [0, 2048, 1110016, 0] Σ Bytes UTF8 : 4382592 Σ Bytes Index : 4114017 Diff (I - U) : -268575 Quote (I : U) : 93.87% Reduktion : -6.13% Basis für CPM : 1024 BytesUTF8 : [0, 128, 1920, 61440, 1048576, 0] BytesIndex : [0, 129, 17149, 236481, 858305, 0] ZiffernIndex : [0, 1024, 1045504, 65536, 0] Σ Bytes UTF8 : 4382592 Σ Bytes Index : 4177090 Diff (I - U) : -205502 Quote (I : U) : 95.31% Reduktion : -4.69% Basis für CPM : 512 BytesUTF8 : [0, 128, 1920, 61440, 1048576, 0] BytesIndex : [0, 129, 16379, 163334, 492155, 440067, 0] ZiffernIndex : [0, 512, 259584, 851968, 0] Σ Bytes UTF8 : 4382592 Σ Bytes Index : 4691844 Diff (I - U) : 309252 Quote (I : U) : 107.06% Reduktion : 7.06% Basis für CPM : 256 BytesUTF8 : [0, 128, 1920, 61440, 1048576, 0] BytesIndex : [0, 129, 16639, 297863, 539369, 258064, 0] ZiffernIndex : [0, 256, 63232, 1048576, 0] Σ Bytes UTF8 : 4382592 Σ Bytes Index : 4374792 Diff (I - U) : -7800 Quote (I : U) : 99.82% Reduktion : -0.18% Basis für CPM : 128 BytesUTF8 : [0, 128, 1920, 61440, 1048576, 0] BytesIndex : [0, 128, 16256, 1095680, 0] ZiffernIndex : [0, 128, 16256, 1095680, 0] Σ Bytes UTF8 : 4382592 Σ Bytes Index : 3319680 Diff (I - U) : -1062912 Quote (I : U) : 75.75% Reduktion : -24.25% Basis für CPM : 64 BytesUTF8 : [0, 128, 1920, 61440, 1048576, 0] BytesIndex : [0, 64, 4032, 256000, 851968, 0] ZiffernIndex : [0, 64, 4032, 256000, 851968, 0] Σ Bytes UTF8 : 4382592 Σ Bytes Index : 4184000 Diff (I - U) : -198592 Quote (I : U) : 95.47% Reduktion : -4.53% Basis für CPM : 32 BytesUTF8 : [0, 128, 1920, 61440, 1048576, 0] BytesIndex : [0, 32, 992, 31744, 1013760, 65536, 0] ZiffernIndex : [0, 32, 992, 31744, 1013760, 65536, 0] Σ Bytes UTF8 : 4382592 Σ Bytes Index : 4479968 Diff (I - U) : 97376 Quote (I : U) : 102.22% Reduktion : 2.22% Basis für CPM : 16 BytesUTF8 : [0, 128, 1920, 61440, 1048576, 0] BytesIndex : [0, 16, 240, 3840, 59392, 983040, 65536, 0] ZiffernIndex : [0, 16, 240, 3840, 59392, 983040, 65536, 0] Σ Bytes UTF8 : 4382592 Σ Bytes Index : 5558000 Diff (I - U) : 1175408 Quote (I : U) : 126.82% Reduktion : 26.82% Aber vielleicht sind das alles ja nur wilde Spekulationen? Wolfgang Büchel ======================= Das verwendete Python-Programm: ziffern = ''.join([ chr(x) for x in range(0, 4097) ]) for k in range(12, 3, -1): basis = 2**k countBytes_UTF8_CPM(basis, ziffern) =============================== def countBytes_UTF8_CPM(basis, ziffern, zeigen=False): """ Ermittelt die Gesamtzahl der 8-Bit-Bytes -- aller UTF8-Zeichen <ch> von 1 bis Max_UTF8 = 1.114.111 -- aller aus <ch> via ord(ch) berechneten Indexzahlzeichen für den Ziffernstring <ziffern> der Länge <basis> nach CPM (sowie deren Ziffernanzahl) und vergleicht diese beiden Byte-Anzahlen. """ Max_UTF8 = 1114111 ziffern = ziffern[:basis] # Ziffernstring für Positionssystem CPM basis = len(ziffern) # Basis dieses Positionssystems print("\nBasis für CPM : %s" % basis) # Zähler für die ANZAHL der Bytes ... cnt_UTF8 = [0] * 6 # ... in UTF8-Zeichen ch cnt_Index_Bytes = [0] * 25 # ... in Index-Zahlzeichen <index> # cnt_UTF8[i] = ANZAHL der UTF8-Zeichen mit i Byte # cnt_Index8[i] = ANZAHL der index-Zeichen mit i Byte # BytesUTF8 : [0, 127, 1920, 61440, 1048576, 0] bedeutet: # UTF8 hat 0 0-Byte-Zeichen, # 127 1-Byte-Zeichen, # 1920 2-Byte-Zeichen, etc. # Zähler für die ANZAHL der Ziffern in Index-Zahlzeichen <index> cnt_Index_Ziffern = [0] * 25 # cnt_Index_Ziffern : [0, 1023, 1045504, 65536] # bedeutet: # Index hat 1023 1-Ziffern-Zahlzeichen # 1045504 2-Ziffern-Zahlzeichen # 65536 3-Ziffern-Zahlzeichen, etc. for i in range(1, 1 + Max_UTF8): # SKIP 2048 surrogates-Zeichen; # in diesem Teilbereich liegen unzulässige UTF8-Zeichen if i in range(55296, 1 + 57343): continue ch = chr(i) index = nachsys(basis, i, ziffern) numBytesUTF8 = len(bytes(ch, 'utf8')) numBytesIndex = len(bytes(index, 'utf8')) cnt_UTF8[numBytesUTF8] += 1 cnt_Index_Bytes[numBytesIndex] += 1 cnt_Index_Ziffern[len(index)] += 1 if zeigen: if numBytesIndex == 3: print("[%7d] >%s< >>%s<< " % (i, ch, index)) # Listen-End-Elemente mit Wert 0 abschneiden, ausgenommen das letzte while cnt_Index_Bytes[-2] == 0: cnt_Index_Bytes = cnt_Index_Bytes[:-1] while cnt_Index_Ziffern[-2] == 0: cnt_Index_Ziffern = cnt_Index_Ziffern[:-1] # Summenberechnung für die Gesamtzahl der Bytes cnt_UTF8 und cnt_Index sum_BytesU = sum([ i*cnt_UTF8[i] for i in range(len(cnt_UTF8)) ]) sum_BytesI = sum([ i*cnt_Index_Bytes[i] for i in range(len(cnt_Index_Bytes)) ]) diff = sum_BytesI - sum_BytesU quote = 100*sum_BytesI / sum_BytesU print("BytesUTF8 : %s" % cnt_UTF8) print("BytesIndex : %s" % cnt_Index_Bytes) print("ZiffernIndex : %s" % cnt_Index_Ziffern) print("Σ Bytes UTF8 : %7d" % sum_BytesU) print("Σ Bytes Index : %7d" % sum_BytesI) print("Diff (I - U) : %d" % diff) print("Quote (I : U) : %0.2f%%" % quote) print("Reduktion : %0.2f%%" % (quote-100)) [View Less]

2 3