Supprimer les caracteres du style \xc2 d'une chaine.

Version imprimable

Voila j'ai ce probleme, dans certaine chaines que je recupere sur internet j'ai des problemes à les mettres dans une base de donnée à cause d'erreur de Decode Unicode.

Donc je me voudrais enlever ces caractere.

J'ai envisaver les expressions regulieres mais le probleme est que la mienne marche dans kodos (verificateur de regex) mais python n'en veut pas...

\\x[0-f][0-f] => Pour recuperer \xc2 par exemple

Hé bien:
Code:

1 2 3 4 5 6 7 8 reg = re.compile('\\x[0-f][0-f]') Traceback (most recent call last): File "<input>", line 1, in ? File "/usr/lib/python2.4/sre.py", line 180, in compile return _compile(pattern, flags) File "/usr/lib/python2.4/sre.py", line 227, in _compile raise error, v # invalid expression error: bogus escape: '\\x'
Si quelqu'un a une idée :)

27/04/2006, 12h33
oiffrig

Essaie

Code:

reg = re.compile(r'\\x[0-f][0-f]')

Le compilateur de regex ne sait pas quoi faire avec ta regex car pour lui \x doit être suivi d'un nombre hexa
N.B.: le "r" devant la chaîne sert uniquement à éviter les "\\\\" (cf la note dans la documentation à ce propos: http://docs.python.org/lib/module-re.html deuxième et troisième paragraphe)

Merci mais quelque chose cloche :( :

Code:

1
2
3
4
5
6
7
8
9
10
>>> import re
>>> reg = re.compile(r'\\x[0-f][0-f]')
>>> t = open("t.spl","r")
>>> txt = t.read()
>>> print txt
 http://www.zataz.com/communiques-presse/11108/Claranet-remporte-plusieurs-contrats-d’hebergement-de-blogs.html
 http://www.zataz.com/
>>> reg.sub('', txt)
'http://www.zataz.com/communiques-presse/11108/Claranet-remporte-plusieurs-contrats-d\xc2\x92hebergement-de-blogs.html\nhttp://www.zataz.com/'

Voila le probleme c'est ce genre de caracteres que je voudrais supprimer :(