Discussion :

[Anonyme1784]

Bonjour,

Pour utiliser du Chinois dans la lecture de fichier sur Python :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
# -*- coding: utf-8 -*-
with open("1300001717.txt", "rb") as f:
    print(f.read().decode('gb2312','ignore'))

[fred1599]

Quelle version python as-tu ?

[Anonyme1784]

Quelle version python as-tu ?

Merci
J'ai téléchargé la dernière version de anaconda, j'ai utilise Spyder, il y a écrit Python 3.6

[fred1599]

Normalement tu ne devrais pas avoir de problème pour lire du chinois avec cette version...

Essayes de forcer l'encodage en te mettant en mode binaire

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
with open('monfichier.txt', 'rb') as f:
    content = f.read() # bytes
    print(content.decode('utf8')) # str

Mais normalement il n'y a pas besoin de cet artifice avec python 3.x, l'unicode est supporté d'origine.

[Anonyme1784]

Avec decode j'ai une erreur :
print(contenu.decode('utf8'))
AttributeError: 'str' object has no attribute 'decode'

Et sinon quand je fais ce code suivant ca me mets pas les caracteres chinois mais ce que j'aiu deja decrit au dessus :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
fichier = open("test.txt", "r")
contenu = fichier.read()
contenu2 = contenu
print(contenu)
print(contenu.encode('utf8'))
print(contenu2.encode('utf8').decode('utf8'))
fichier.close()

[fred1599]

J'ai pas mis le mode "r" mais le mode "rb".

[Anonyme1784]

J'ai pas mis le mode "r" mais le mode "rb".

Autant pour moi !
Resultat :
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb3 in position 0: invalid start byte

[fred1599]

Mouais j'ai un petit doute, essayes voir

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
with open("test.txt", encoding="latin-1") as f:
    print(f.read())

[Anonyme1784]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
with open("test.txt", encoding="latin-1") as f:
    print(f.read())

Jai exactement execute ce code et jai un retour du genre ÐÒìÒ飬ÇëÔÚÏÂÒ»½ .....etc....

[fred1599]

Dernière solution

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
with open("test.txt") as f:
    print(f.read().decode('gb2312','ignore').encode('UTF-8'))

EDIT: Peut-être faudra-t-il le mode 'rb' si cela ne fonctionne pas...

[Anonyme1784]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
# -*- coding: utf-8 -*-
with open("test.txt") as f:
    print(f.read().decode('gb2312','ignore').encode('UTF-8'))

print(f.read().decode('gb2312','ignore').encode('UTF-8'))
AttributeError: 'str' object has no attribute 'decode'

[fred1599]

Voir mon edit du topic ci-dessus

[Anonyme1784]

Jai oublie de preciser que "rb" me donne des trucs du genre

xb0\x9d\x80:\xe4\xe5\x9b\

[fred1599]

C'est normal ça te renvoie des bytes, mais pour avoir du type str, il faut utiliser la méthode decode...

Normalement, tu vas devrais pas utiliser cette manière de faire, python 3.x utilise l'unicode.

[Anonyme1784]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
# -*- coding: utf-8 -*-
 
with open("1300001717.txt", "rb") as f:
    print(f.read().decode('gb2312','ignore'))

Genial merci bcp !!!

[fred1599]

Ouais c'est la solution que j'ai proposé ICI.

[wiztricks]

Salut,

Pourquoi écrire f.read().decode('gb2312','ignore').encode('UTF-8') plutôt que f.read().decode('ascii','ignore').encode('UTF-8') ?
Dans les deux cas, on va obtenir un résultat non intègre - puisqu'on vire tout ce qui n'est pas "conforme" - et pas forcément utilisable.

- W

[Anonyme1784]

Ouais c'est la solution que j'ai proposé ICI.

J'ai du enlever le encode ut8 parce que sinon jai TypeError: a bytes-like object is required, not 'str'