pandas problème encodage unicode

Bonjour

Ayant enfin trouvé une potentielle solution avec pandas pour la conversion de feuilles excel en pdf, je suis confronté à un autre 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
36
37
38
#!/usr/bin/python
# coding: utf-8
import glob
import os
from os.path import basename, splitext
#from openpyxl import load_workbook
#from PyPDF2 import PdfFileWriter
import sys
import codecs
#from fpdf import FPDF
import pandas as pd
import pdfkit as pdf
sys.stdout = codecs.getwriter("utf-8")(sys.stdout.detach())
path = "."
os.chdir(path)
dir = os.getcwd()
ext = "*.xlsm"
print("dir",dir)
#fics_list = os.listdir(path)
pattern = '/'.join([dir,ext])
print("pattern",pattern)
fics_list = glob.glob(pattern)
#print (fics_list)
for path_file in fics_list:
        #ouverture du fichier Excel
        xl = pd.read_excel(path_file, 3, encoding='utf-8')
        df_CRA = xl.parse(sheet_name=3, encoding='utf-8')
        df_CRA.to_html('test.html')
        filename = basename(path_file)
        filename_prefix_CRA,filename_ext = filename.split(".")
        pdf_ext = "pdf"
        pdf_CRA_filename = '.'.join([filename_prefix_CRA,pdf_ext])
        pdf.from_file('test.html', pdf_CRA_filename)
        filename_prefix_HSupp = filename_prefix_CRA.replace('CRA','HSupp')
        pdf_HSupp_filename = '.'.join([filename_prefix_HSupp,pdf_ext])
        df_HSUPP = xl.parse(sheet_name=4, encoding='utf-8')
        df_HSUPP.to_html('test.html')
        pdf.from_file('test.html', pdf_HSupp_filename)

Lorsque j'exécute le sript j'obtiens cela pour la sheet 3:

Traceback (most recent call last):
  File "./file.py", line 30, in <module>
    df_CRA.to_html('test.html')
  File "/----/python/lib/python3.6/site-packages/pandas/core/frame.py", line 2265, in to_html
    formatter.to_html(classes=classes, notebook=notebook, border=border)
  File "/----/python/lib/python3.6/site-packages/pandas/io/formats/format.py", line 734, in to_html
    buffer_put_lines(f, html)
  File "/----/python/lib/python3.6/site-packages/pandas/io/formats/format.py", line 1626, in buffer_put_lines
    buf.write('\n'.join(lines))
UnicodeEncodeError: 'ascii' codec can't encode character '\u2019' in position 118: ordinal not in range(128)

Et cela pour la sheet 4 (en commentant le sheet 3):

Traceback (most recent call last):
  File "./file.py", line 30, in <module>
    df_CRA.to_html('test.html')
  File "/-----/python/lib/python3.6/site-packages/pandas/core/frame.py", line 2265, in to_html
    formatter.to_html(classes=classes, notebook=notebook, border=border)
  File "/-----/python/lib/python3.6/site-packages/pandas/io/formats/format.py", line 734, in to_html
    buffer_put_lines(f, html)
  File "/-----/python/lib/python3.6/site-packages/pandas/io/formats/format.py", line 1626, in buffer_put_lines
    buf.write('\n'.join(lines))
UnicodeEncodeError: 'ascii' codec can't encode character '\xe9' in position 117: ordinal not in range(128)

J'avoue que je galère toujours pas mal avec ces problème d'encodage..... une idée quand à la résolution?

Merci

Salut,

Ce qui ne fonctionne pas, c'est la ligne df_CRA.to_html('test.html').
Et écrire un fichier HTML à partir d'Unicode, c'est pas juste dire encoding=utf-8 (qui n'est pas supporté en HTML 4).
D'ailleurs .to_html ne vous le propose même pas.
Par contre, si le but est de générer du pdf avec le HTML, pdfkit vous permet de le faire sans passer par un fichier (et avoir le soucis d'encoder le HTML pour en faire un fichier à relire après...).

- W

Alors en fait le but est de générer du pdf depuis un fichier excel....

Je vais regarder plus en profondeur le pdfkit

Merci