Discussion :

[sergentgarcia]

Bonjour,

J'aurais voulu savoir s'il était possible de connaître l'encodage d'un fichier texte?
je bute sur cette question depuis un petit moment...

Merci d'avance.

[tool69]

Il n'y a pas de méthode tout faite pour cela.

Tu peux cependant tenter ta chance avec le module mimietypes par ici : http://docs.python.org/lib/module-mimetypes.html

[tyrtamos]

Bonjour,

Regarde aussi du côté du "BOM" (http://fr.wikipedia.org/wiki/Byte_Order_Mark).

Par exemple, certains éditeurs de texte (y compris notepad sous Windows) ajoutent au début du texte à enregistrer en utf-8 (par exemple) les 3 octets: "EF BB BF", ce qui leur permet de repérer leur encodage la fois suivante.

Pour y comprendre quelque chose, je te conseille d'utiliser un éditeur hexa et de faire quelques essais.

Tyrtamos

[sergentgarcia]

Bonjour,

Je viens de regarder du côté des signatures présentes au début des fichiers. Un seul problème : ces séquences ne sont que très rarement présentes au début des fichiers . En même temps, vérifier leur présence ne coûte pas grand chose en terme de performances.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
import codecs
file = open(filename, 'r')
file.next().startswith(codecs.BOM_UTF8)

La première piste était de regarder dans l'en-tête des fichiers la présence d'un motif du type coding = qqchose. Un petit coup d'expressions régulières donc :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
def coding(str):
    coding_re = re.compile("coding[:=]\s*([-\w_.]+)")
    match = coding_re.search(str)
    if not match:
        return None
    return match.group(1)

En résumé donc, si le fichier comporte une marque d'encodage, il suffit de lire les 2 premières lignes puis de 1) vérifier que les lignes commencent par une marque d'ordre d'octets, et 2) vérifier la présence d'un motif "coding=...".

Merci pour ces différentes pistes.