شکل داده
داده در نهایت صفر و یک است. این کلمهها میگویند آن صفر و یکها چطور متن، فایل و تاریخ میشوند؛ و چرا گاهی فارسی به شکل علامتهای عجیب درمیآید.
عدد + واحد
بعد از عددِ بیشتر از یک، واحد s جمع میگیرد: 200 bytes، 8 bits. ولی وقتی عدد و واحد با هم قبل از یک اسم میآیند و آن را توصیف میکنند، s نمیگیرند و با خط تیره نوشته میشوند: a 32-bit number، a 5-byte file.
هشت کلمهی این درس
CSV (سیاِسوی): فایل متنی جدول؛ مقدارها با کاما جدا میشوند
CSV یعنی «مقدارهای جداشده با کاما». یک فایل متنی ساده است که جدولی را نگه میدارد: هر خط یک ردیف است و خانههای هر ردیف با کاما از هم جدا میشوند. خط اول معمولاً اسم ستونهاست. چون خیلی ساده است، Excel و پایتون و تقریباً هر برنامهی دیگری میتواند آن را بخواند و بنویسد.
You can export the table as a CSV file and open it in Excel.
میتوانی جدول را به شکل یک فایل CSV خروجی بگیری و در Excel بازش کنی.
plain text (پلِین تِکست): متن ساده؛ فقط حرفها، بدون قالببندی
plain یعنی ساده و بیتزئین (plain rice یعنی برنج خالی). plain text متنی است که فقط حرف و عدد و نشانه دارد: نه رنگ، نه اندازهی قلم، نه عکس. فایلهای .txt و خود کدهای برنامه plain text هستند، ولی فایل Word نیست. یک معنی دیگر هم دارد: دادهای که رمز نشده و هر کسی میتواند آن را بخواند.
Never store passwords in plain text.
هیچوقت رمزهای عبور را به شکل متن ساده نگه ندار.
byte (بایت): بایت؛ هشت بیت، واحد اندازهی داده
byte واحد اندازهگیری داده است و از هشت bit ساخته میشود. با یک بایت میشود ۲۵۶ حالت مختلف ساخت، که برای یک حرف انگلیسی بس است. اندازهی فایلها و حافظه را با همین میگویند: کیلوبایت (KB)، مگابایت (MB)، گیگابایت (GB). یک حرف فارسی در UTF-8 دو بایت جا میگیرد.
The file is only 200 bytes long.
این فایل فقط ۲۰۰ بایت طول دارد.
bit (بیت): بیت؛ کوچکترین واحد داده، صفر یا یک
bit در انگلیسی روزمره یعنی یک ذره، یک تکهی کوچک (a bit of sugar). در کامپیوتر کوچکترین واحد داده است و فقط دو حالت دارد: ۰ یا ۱؛ مثل یک کلید برق که یا خاموش است یا روشن. اسمش از binary digit (رقم دودویی) ساخته شده. هشت بیت یک byte میشود. سرعت اینترنت را هم با بیت در ثانیه میگویند.
A byte is made of eight bits.
یک بایت از هشت بیت ساخته شده است.
encoding (اِنکُدینگ): کدگذاری؛ قرار تبدیل حرفها به بایت
code یعنی رمز و نشانه، و encode یعنی چیزی را به کد تبدیل کردن. کامپیوتر فقط عدد نگه میدارد، پس باید قراری باشد که هر حرف چه بایتهایی میشود؛ به این قرار encoding میگویند. معروفترینش UTF-8 است. اگر فایلی را با encoding غلط باز کنی، حرفهای فارسی به شکل علامتهای عجیب درمیآیند.
Save the file with UTF-8 encoding to keep the Persian letters.
فایل را با کدگذاری UTF-8 ذخیره کن تا حرفهای فارسی سالم بمانند.
Unicode (یونیکُد): یونیکد؛ استاندارد جهانی شمارهی حرفها
uni یعنی «یک» و code یعنی کد: یک کد برای همه. Unicode استانداردی است که به هر حرف از هر زبان دنیا، و به هر ایموجی، یک شمارهی یکتا میدهد. مثلاً شمارهی «س» همیشه U+0633 است. پیش از آن هر کشور جدول خودش را داشت و متنها روی کامپیوترهای دیگر خراب دیده میشدند. UTF-8 راه رایج نوشتن این شمارهها به شکل بایت است.
Python 3 strings support Unicode, so you can use Persian text.
رشتههای پایتون ۳ از یونیکد پشتیبانی میکنند، پس میتوانی متن فارسی به کار ببری.
timestamp (تایماِستَمپ): مُهر زمان؛ لحظهی دقیق یک رویداد
time یعنی زمان و stamp یعنی مُهر (و تمبر). timestamp یعنی مُهری که میگوید یک اتفاق دقیقاً کِی افتاده، مثل مُهر تاریخ روی نامه. هر پیام در پیامرسان و هر خط لاگ یک timestamp دارد. کامپیوترها خیلی وقتها آن را به شکل یک عدد نگه میدارند: تعداد ثانیههایی که از اول ژانویهی ۱۹۷۰ گذشته است (Unix timestamp).
Each message has a timestamp that shows when it was sent.
هر پیام یک مُهر زمان دارد که نشان میدهد کِی فرستاده شده.
date (دِیت): تاریخ؛ روز و ماه و سال
date یعنی تاریخ: روز و ماه و سال. در برنامهنویسی یک نوع داده است؛ جدا از time که ساعت را میگوید. شکل استاندارد نوشتنش سال-ماه-روز است، مثل 2026-01-15، چون آمریکاییها اول ماه را مینویسند و اروپاییها اول روز را و این با هم قاطی میشود. کلمههای up to date (بهروز) و out of date (قدیمی) هم از همین میآیند.
Please enter your date of birth.
لطفاً تاریخ تولدت را وارد کن.
سؤال و جواب در یک انجمن
Question: I open my CSV file in Python, but the Persian names look like strange symbols. Why?
Answer: A CSV file is plain text, and text is saved as bytes. Your file uses UTF-8 encoding, but Python is reading it with a different one. Add encoding="utf-8" when you open the file. UTF-8 supports Unicode, so every Persian letter will be correct.
Also, your date column uses two formats. Use one format, like 2026-01-15.
سؤال: فایل CSV خودم را در پایتون باز میکنم، ولی اسمهای فارسی مثل علامتهای عجیب دیده میشوند. چرا؟
جواب: فایل CSV متن ساده است و متن به شکل بایت ذخیره میشود. فایل تو با کدگذاری UTF-8 است، ولی پایتون دارد آن را با کدگذاری دیگری میخواند. موقع باز کردن فایل encoding="utf-8" را اضافه کن. UTF-8 از یونیکد پشتیبانی میکند، پس همهی حرفهای فارسی درست میشوند.
در ضمن، ستون تاریخ تو دو قالب دارد. یک قالب را به کار ببر، مثل 2026-01-15.