Problème de open()

Version imprimable

19/07/2010, 19h04
xxkirastarothxx

Problème de open()
Bonjour à tous.

Et bien voila, j'ai un soucis pour lire un fichier txt:
lorsque je j'ouvre le fichier avec notepad ou gedit, la première ligne est:
"Windows Registry Editor Version 5.00"
mais si je fais
Code:

1 2 fp = open(lefichier, 'r') print fp.read()
le resultat de le première ligne est:
ÿþWindows Registry Editor Version 5.00
sauf qu'il y a des caractère spéciaux (interprété par des caré) entre chacune des lettres...
wtf ? oO

j'ai déjà essate open() et file() avec different mode de lecture (r, rb rU ...)
Je sais pas comment faire la...

merci d'avance :)
19/07/2010, 21h43
PauseKawa

Bonjour,

C'est quoi ton éditeur sous Windows ?
J'ai le même problème lorsque je modifie mon code sous Windows. Sans doute une option mais comme je ne travaille (presque) que sous linux au niveau code je n'ai pas encore regarder.

@+

et bien en pratique y'a pas d'éditeur de texte, le fichier est généré en DOS,
c'est un export de base de registre, et je cherche a remplacer le nom de l'utilisateur exporter par celui de l'utilisateur courant.

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
print " * Export de la base de registre...",
try:
    os.system('@reg export "HKEY_CURRENT_USER\Software\Microsoft\Windows NT\CurrentVersion\Windows Messaging Subsystem\Profiles\Outlook" "C:\Temp\RegExport.reg"')
except:
    pass
if(os.path.isfile("C:\Temp\RegExport.reg")):
    try:
        fp = open("C:\Temp\RegExport.reg",'r')
        fReg = str(fp.read())
        fp.close()
        fReg = fReg.replace('%s\\' % selectedUserDir, "[USERREPLACE]\\")
        fp = open("C:\Temp\RegExport2.reg", "w")
        fp.write(fReg)          
        fp.close()
        addText+="[OK]\n"
        print "[OK]"
    except:
        print "[ERROR] Modification de base de registre"

20/07/2010, 12h20
xxkirastarothxx

Ah du nouveau !
En ouvrant le fichier en question sous linux avec nano, la première ligne donne ça:

Citation:

W^@i^@n^@d^@o^@w^@s^@ ^@R^@e^@g^@i^@s^@t^@r^@y^@ ^@E^@d^@i^@t^@o^@r^@ ^@V^@e^

Lol ^^
Microsoft c'est vraiment trop fort, j'imagine déjà leurs ingé:
"Eh mais, si on met rien entre chaque lettre ça paraitrait trop normal !, si on inventait un standards ou on rajouterai des caractères inexistants entre chaque lettre juste pour rendre le fichier plus lourd, et moins lisible ?"
^^ sry, mini troll ^^

Si quelqu'un sait comment forcer la convertion en full texte ?
Sinon je vais essayé de voir si en passant une regex ça le fait... m'enfin c'est ultra crado quand même...

Bon bah apparement j'ai réussis a avoir ce que je voulais grace a ça:
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 try: os.system('@reg export "HKEY_CURRENT_USER\Software\Microsoft\Windows NT\CurrentVersion" "C:\Temp\RegExport.txt"') except: pass def onlyascii(char): if ord(char) < 1 or ord(char) > 127: return '' else: return char f=open('C:\Temp\RegExport.txt','r') data=f.read() f.close() filtered_data=filter(onlyascii, data) f=open('C:\Temp\RegExport2.txt','w+') f.write(filtered_data) f.close()
ça supprime les caractères non-ascii ainsi que le caractère nul (c'est celui qui s'insérait entre chaque lettre)
Donc voila, problème résolu ^^

200ème message ^^
Merci ++

20/07/2010, 13h05
wiztricks

Salut
Pour l'instant, çà dit que ces "caractères" sont codés sur deux octets...
Si NotePad et GEdit s'en sortent "mieux", c'est peut être qu'ils arrivent à trouver le "codage" à partir du BOM - byte order mark -.
Essayez de dumper la première ligne en hexa.
On devrait avoir un BOM disant texte codé UTF-16
- W
PS: fichier == suite d'octets est un faux ami.
21/07/2010, 13h20
xxkirastarothxx

Citation:

Envoyé par wiztricks

Salut
Pour l'instant, çà dit que ces "caractères" sont codés sur deux octets...
Si NotePad et GEdit s'en sortent "mieux", c'est peut être qu'ils arrivent à trouver le "codage" à partir du BOM - byte order mark -.
Essayez de dumper la première ligne en hexa.
On devrait avoir un BOM disant texte codé UTF-16
- W
PS: fichier == suite d'octets est un faux ami.

heu, je pense pas que ça soit sur deux octet, je m'explique:

lorsque j'ouvre le fichier avec un editeur hexa, il y a un caractère null entre chaque caratères ( x00 en hexa), je pense que c'est nano qui interprète ce caractère null par "^@"

C'est pour ça que j'ai fais un filtre ascii, je supprime tout les caractère non ascii + le premier (le caractère null)
Ca marche du feu de dieu :p

Le fichier deviens éditable par un editeur de texte (tel que nano ou vi), la taille du fichier est divisée par deux, et l'import du fichier reg généré marche très bien...

merci :)

Salut,
Ce que j'en dis est que la façon propre de decoder la chose est de lire le BOM de la façon suivante (par exemple):

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import codecs, sys
 
bomdict = {
    codecs.BOM_UTF8 : 'UTF8', \
    codecs.BOM_UTF16_BE : 'UTF-16BE', \
    codecs.BOM_UTF16_LE : 'UTF-16LE',
    }
 
def get_content(filename):
    f = open(filename, 'r')
    contents = f.read()
    for bom, encoding in bomdict.items():
        if contents.startswith(bom):
            return contents[len(bom):].decode(encoding)
 
if __name__ == '__main__':
    filename = 'xxx.reg'
    print get_content(filename)

- W