Erreur unicode / ASCII

Version imprimable

Bonjour a tous,
j'ai quelque problème avec des caractères unicode dans mes string.
En faite, j'ai un script qui génère un fichier html a partir d'un log svn en xml.
Dans l'un des commit, j'ai un caractère unicode.

voici l'erreur que j'obtiens

Code:

1
2
3
4
5
6
7
8
9
 
Traceback (most recent call last):
  File "./svn_External_bat/createHtmlSvnLog.py", line 104, in <module>
    compute(sys.argv[1],sys.argv[2],' '.join(sys.argv[3:]))
  File "./svn_External_bat/createHtmlSvnLog.py", line 99, in compute
    insertTologFile(html,outputFile)
  File "./svn_External_bat/createHtmlSvnLog.py", line 81, in insertTologFile
    contentFile=contentFile.encode("utf-8") 
UnicodeDecodeError: 'ascii' codec can't decode byte 0xef in position 0: ordinal not in range(128)

voici le code qui pose problème

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
 
def convertXmlLogToHtml(xml,version):
    doc=parseString(xml)
    root=doc.documentElement
 
    strDate=datetime.today().strftime("%d/%m/%Y at %HH%M")
 
    htmlOutput="\n\t\t<div class='section' id='{0}'>\n\t\t\t<div class='headSection'>\n\t\t\t\t<h2>{0} - {1}</h2>\n\t\t\t</div>\n".format(version,strDate)
 
    for messageNode in root.getElementsByTagName('msg'):
        if len(messageNode.childNodes) > 0:
            msg=messageNode.childNodes[0].nodeValue
            msg=re.sub("(?P<link>http:[^\\s]+)","<a href='\g<link>'>\g<link></a> ",msg)
            htmlOutput+="\t\t\t<hr class='minHr'/>\n\t\t\t<p>\n\t\t\t\t"
            htmlOutput+=msg.replace("\n","<br/>")
            htmlOutput+="<br/><br/>\n\t\t\t</p>\n"
 
 
    htmlOutput+="\t\t</div>\n"
    return htmlOutput
 
def insertTologFile(content,outputFile):
    with open(outputFile, "r") as fichier:
        contentFile=fichier.read()
 
    try:   
        contentFile=unicode(contentFile,'utf-8')  
        content=unicode(content,'utf-8')  
    except TypeError:
        pass
 
    content=re.sub("</h1>","</h1>{0}".format(content),contentFile)
    with open(outputFile,"w") as fichier:
        fichier.write( codecs.BOM_UTF8 )
        fichier.write(content)

Savez vous comment je peux résoudre ce problème ?
Je vous remercie par avance pour votre aide ;)

03/12/2012, 16h46
chticricri

Incohérence avec la méthode fomat
Bonjour,

Il faut toujours être cohérent. Par exemple, le code suivant conduira immédiatement à une erreur
Code:

1 2 'Mon poids est{}'.format(u'léger')
La raison est que c'est la méthode format d'une chaînes ascii standard qui est invoquée. Or celle-ci ne génère pas unicode.

Le code correct est
Code:

1 2 u'Mon poids est{}'.format(u'Léger')
Un simple petit u évite le problème.

Idem dans tes expressions régulières. N'oublie pas d'utiliser re.UNICODE si besoin est.

Donc, quand tu travaille en unicode, préfixe automatiquement tes constantes par u et tu évitera bien des déboire

PS:
Le module codec cotient une fonction open qui permet de spécifier l'encodage utilisé et qui convertira tes lectures en unicode de façon transparente

Ces problème n'existent plus avec la série des pythons 3 car les chaîne de caractères sont toujours en unicode.
03/12/2012, 17h23
hannibal.76

ok, effectivement plus de problème.
merci ;)

PS: je ne voyais pas trop l’intérêt de passer a python 3.x mais la je sens que je vais faire le passage.