problème de lecture/décodage d'un fichier texte

Bonjour,

Je travaille sur une machine XP SP3, et avec une version Python 3.2.2.
sys.stdout.encoding vaut cp850.

En résumé, je teste une application qui génère des fichiers de trace volumineux. Et l'encodage du fichier n'est pas indiqué. Et mon idée est de créer un script python qui analyse ces fichiers de trace pour extraire les informations pertinentes (pour l'instant je regarde la présence du mot-clef ODD).

Mon souci est que lorsque je lis ces fichiers de trace ligne par ligne, certaines lignes ne sont pas lues car elle contiennent un "hiéroglyphe" dont la valeur est 0x81. Cf. extrait des traces à analyser :

"OUV/PION 2H30\x00R\x00ŒÊ�\x00ðÅ�\x00\x14\x00\x00\x00\x01\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00"

Il s'agit d'un string de 20 caractères. Ce string n'a a priori pas été initalisé avec des caractères null. Les carrés blancs correspondent à la valeur 0x81.

Et voici le bout de code qui tente de lire le fichier de trace:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14

idx_line = 0 f = open(nom_complet, "r", encoding=sys.stdout.encoding) while f : read_data = f.readline() idx_line += 1 if not read_data : break if read_data.find("|ODD") >= 0 : my_logger.debug("ODD message found at line %d : %s" % (idx_line, str(read_data))) else : my_logger.warning("No ODD message found")   f.close()

---

D'après ce bout de code, je devrais lire toutes les lignes. Or, je ne lis pas celles qui ont le caractère 0x81. Et j'ai cherché sur le net mais là je suis bloqué.

Ou alors une idée serait de lire le fichier de trace une première fois pour remplacer les caractères 0x81 par des caractères null 0x00. Et ensuite de faire mon traitement, comme indiqué dans le code.

Toutes les idées sont les bienvenues. Merci d'avance

Oui, mais non. Normalement, pas besoin de préciser l’encoding du fichier à l’ouverture, python le détecte tout seul… Et en tout cas, il y a peu de chance que ton fichier soit en cp850.

Et c’est surement pas while f: non plus… Plutôt quelque chose comme ça, non*?

Code:

---

1 2 3 4 5 6 7 8 9 10

idx_line = 0 f = open(nom_complet, "r", encoding=sys.stdout.encoding) for idx_line, read_data in enumerate(f): if read_data.find("|ODD") >= 0 : my_logger.debug("ODD message found at line %d : %s" % (idx_line, str(read_data))) else : my_logger.warning("No ODD message found")   f.close()

---

Dans la première version, je n'avais précisé l'encoding, et la lecture de ces carrés blancs (valeur hexa : 0x81) provoquent la levée d'une exception (UnicodeDecodeError de mémoire).

Merci, je vais essayer çà demain.

Entre 0x81 et 0x9f cela vas devenir compliqué sous xp et Python 3...

Code:

---

1 2 3 4 5 6

filein = open(nomfichier, 'rb') for idx_line, read_data in enumerate(filein): if b"|ODD" in read_data: print("ODD message found at line {}".format(idx_line)) else : print("No ODD message found")

---

A noter que le type bytes a les méthodes du type str.

Code:

---

1 2 3 4

>>> print(dir(type(b'a'))) ['__add__', '__class__', '__contains__', '__delattr__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'capitalize', 'center', 'count', 'decode', 'endswith', 'expandtabs', 'find', 'fromhex', 'index', 'isalnum', 'isalpha', 'isdigit', 'islower', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill'] >>> print(dir(type('a'))) ['__add__', '__class__', '__contains__', '__delattr__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'capitalize', 'center', 'count', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']

---

Et que c'est un moyen de se sortir du souci d'encodage de la console Windows.
Et puis de toute manière sous Python pour les fichiers c'est du bytes <=> string.

Note:
Voir aussi str() et repr() pour la suite du code.
A lire:
Les PEP sur le sujet.

Je viens d'essayer en lisant le fichier en mode binaire, et effectivement ça fonctionne.
Merci beaucoup.