Ichlasul Affan, M.Kom.

Video ini membahas cara merepresentasikan Unicode dalam Python, termasuk decode dan encode menggunakan metode encode dan decode. Unicode di Python dapat diwakili dengan UTF-8, UTF-16, atau UTF-32, dengan ukuran variabel mulai dari 1 byte hingga 4 byte. ASCII characters dapat di-decode seperti biasa, sementara Unicode memungkinkan representasi karakter non-ASCII yang lebih kompleks dengan 2 byte. Proses encode dari regular string ke byte string melibatkan penghitungan nilai desimal karakter dan konversi ke binary. Selain itu, video juga membahas konsep binary file dan kegunaannya dalam pemrograman.

Oke, nah kita lanjut lagi kebahasan gimana caranya kita me-representasikan unicode di Python gitu ya.

Gimana cara kita melakukan decode dan encode.

Nah, jadi kalau misalnya di fungsi sebelumnya, metode-metode string sebelumnya,

ini metode-metode string sebelumnya, tapi yang berbeda dari byte string gitu ya.

Byte string dan string itu bisa dioperasikan, bisa di-convert satu sama lain dengan cara,

Dengan cara kita melakukan, menggunakan encode.

Nah, kalau fungsi decode, decode itu anggap aja ini adalah kode gitu ya.

Byte itu kan ada kode ya, jadi byte string itu kan kumpulan integer.

Nah, kode ketika di-decode gitu ya, ketika di-decode, jadinya utef 8,

nah di-decode utef 8, maka nanti hasilnya adalah string gitu ya.

Hasilnya adalah string, isinya mudah-mudah-mudah.

Kenapa? Karena ya ini kalau di-decode ya udah beres gitu ya,

ini asci, ya di-decode seperti biasa gitu.

Nah, terus gimana kalau misalkan kita mau dari string biasa kita jadikan byte string?

Nah, kalau string biasa kita jadikan byte string ada namanya .encode.

Encode biasanya tunjukkan tipenya juga kalau kita mau encode.

Gini ya, atau utef 8 le misalkan, little endian.

Eh, sorry bukan 8 ini ya, tapi utef 32 le misalkan, kayak gini.

Oke, kalau misalkan utef 32 doang bisa nggak?

Nah, jadi kita bisa definisi, kita bisa encode dan decode gitu ya,

as sesuai dengan keinginan ini kita aja gitu ya, mau tipe encodingnya apa.

Biasanya sih defaultnya adalah utef 8, biasanya defaultnya adalah utef 8.

Ya, ini contohnya disini adalah kita pakai karakter Rusia, gitu ya.

Kita coba, itu ya, kita coba lakukan decode ya, decode utef 8.

Ini harusnya karakter Rusia yang artinya thanks, gitu.

Kalau di bahasa Inggris artinya thanks, gitu.

Kalau di bahasa Rusia gitu ya, pakai karakter Cyrillic, gitu.

Disini, nah ini kan sebenarnya kita representasinya biasanya X, D1, X, 81, X, D0, B, F, gitu ya.

Ini kalau kita coba printkan ini sebagai karakter biasa gitu ya.

Nah, ketika kita decode, maka ini akan digabungkan, akan dibaca sebagai utef 8, gitu.

Nah, sekarang kita masuk ke konsepnya dulu, gitu ya.

Kalau di utef 8 itu, dia semacam unicode, unicode yang dia variable, gitu ya.

Variable ukurannya bisa mengembang dari cuma 1 byte up to 4 byte, gitu ya.

Sebenarnya ada tipe encoding lain seperti utef 16 atau utef 32 yang sifatnya lebih strict.

Jadi kalau utef 16 itu cuma bisa, yaudah 16 aja.

Kalau utef 32, nanti dia bisa sampai 32, otomatis jadi 4 byte, gitu.

Kalau misalkan utef 16, dia otomatis jadi 2 byte aja, gitu.

Jadi karena kita utef 8, minimal sebenarnya adalah 1 byte atau 8 bit, gitu.

Nah, untuk ASCII characters, ya utef 8 will decode like usual.

Yaudah bayangin aja kayak ASCII characters, gitu ya.

Ya, ASCII characters itu depannya 0, terus disitu sisanya adalah nomor karakternya.

Jadi memang ASCII itu cuma support sampai 128 karakter sih harusnya.

Dia bisa mengkodekan hal-hal yang bukan bahasa Inggris, gitu.

Kalau ASCII kan karakter bahasa Inggris aja, kan.

Dan yang common character ini bahasa Inggris, gitu.

Nah, kalau misalkan yang lebih kompleks lagi,

For less complex non-ASCII characters, dia akan pakai 2 byte representation.

Karena dia nggak mungkin, kalau dilihat kan ini flag-nya ya.

Yang perhatikan ini underline, di-underline, di-underline ini flag-nya.

Kalau di material number system sewaktu dulu,

itu kayak flag positif-negatif lah, kayak gitu.

Kayak flag positif-negatif kalau desain binary.

Tapi kalau di sini kayak ini buat penanda bahwa

eh ini sebenarnya nanti rangkaian byte ini akan menunjukkan

berapa byte sih untuk membentuk 1 karakter, gitu.

Misalkan untuk, kalau misalkan ASCII kan dia cuma 1 karakter doang, nih.

Sedangkan kalau misalkan kayak bahasa Rusia, misalkan.

Kayak bahasa Rusia kan dia, ini, kalau pakai bahasa Rusia dia

ada 2 karakter kan otomatis ya, less complex non-ASCII charged.

Itu biasanya bahasa Arab, bahasa Rusia, gitu ya.

Itu pakai ini, karakter si Lilik sama karakter Arab sama karakter ini Hindi biasanya.