Codage de caractere

Bijour,
J'ai un probleme avec l'encodage de charactere... Je recuperere du texte depuis une page web, il y'a des caractere HTML.
Je les remplace en ISO LATIN 1 avec cette methode:

Code:

---

1 2 3 4

dico = htmlentitydefs.entitydefs for key in dico.keys(): rst = rst.replace('&'+key+';', dico[key]) print "- " + key + " => " + dico[key]

---

Problemes, cela me ressort ce genre de texte :

Citation:

---

e fois l& # 8217 ;installation terminee, vous n& # 8217 ;aurez plus acces a vos programmes en ligne, c& # 8217 ;est normal, a sera a vous de configurer ZoneAlarm afin qu& # 8217 ;il accepte les programmes qui tentent d acceder a

---

J'ai essayé de traiter ce resultat avec des encode, et decode mais sans résultat.... Si quelqu'un a une idée merci :)

edit: dsl j'ai du mettre des espaces dans les caracteres spéciaux sinon le forum les transformaient :D

Je ne m'y connait pas trop dans ces codes mais apparement la clé correspondant à l'apostrophe (8217) n'est pas dans le dictionnaire de clé que tu récupères. As-tu au moins essayé de la rajouter avant le traitement ??

Code:

---

1 2 3 4 5

dico = htmlentitydefs.entitydefs dico[8217] = '\'' for key in dico.keys(): rst = rst.replace('&'+key+';', dico[key]) print "- " + key + " => " + dico[key]

---

Nonon il est bien dans le tableau, le problemes c'est qu'il faut que je transforme ce texte en du texte lisible, et donc remplacer ces saloperies de code :). Et c'est la que je bloque.

Et tu es sûr que les clés du dictionnaire ne contiennent que le code comme 8217 pour ' et qu'elles ne sont pas de la forme &8217; ???

edit : Tu fait quoi comme import ???
edit2: La citation que tu fais au premier post c'est avant ou après traitement ???

Code:

---

1 2	import htmlentitydefs

---

C'est un code que j'ai choppé sur un forum, mais il remplis parfaitement son role je pense.

j'ai essayé de faire ça :

Code:

---

rst = rst.replace(key, dico[key])

---

et la ça me met des & & 1234 ;;

Il faut que j'arrive a transformer c'est caracteres en quelque chose de lisible.

OK je me suis fait un ptit bout de code avec ce que tu m'as donné. Je pense que l'idée que tu as pour modifier ton texte est bonne mais c'est le dictionnaire que tu récupères qui n'est pas bon (enfin je crois!!).
Tu peux mettre ce que tu obtiens dans la variable rst avant le traitement pour que je puisse faire d'autres tests et t'aider un peu plus concrètement.

Par exemple, juste avant traitement j'ai :

Citation:

---

, une fois l’installation terminee, vous n’aurez plus acces a vos programmes en ligne, c’est normal, a sera a vous de configurer ZoneAlarm afin qu’il accepte les programmes qui tentent d acceder a Internet. Toutes ses operations se font tres facilement. CamStudio est un logiciel qui permettra d’enre

---

Comme je te le disais le dictionnaire que tu récupères n'est pas tout à fait ce qu'il te faut puisque certains codes sont retranscrits dans un autre code et non en caractère comme tu le voudrais (tel est le cas pour le code de l'apostrophe qui est dans ton texte le plus récurant).
Je pense que tu pourrais te créer ton propre dictionnaire à partir des clés de celui que tu récupères et tu leur associes le bon caractère.

J'utilisais déjà un dictionnaire avec des référence dedans mais ce n'est pas pratique du tout et je me doute bien que python doit savoir faire ce genre de chose tout seul.
Il suffit de trouver je pense mais bon :(