Problème unicode / caractères spéciaux + écriture de fichier

Bonjour,

Alors pour rentrer dans le vif du sujet, rien de mieux que quelques lignes de code :]

Code:

---

1 2 3 4

>>> tab = ['é','à'] >>> f = open('sortie.txt', 'w') >>> f.write(str(tab)) >>> f.close()

---

Code:

---

['\x82', '\x85']

---

Tout simplement, je souhaiterais récupérer les caractères spéciaux correctement dans mon fichier de sortie.
Si quelqu'un peut m'éclairer, je lui en serai très reconnaissant. Merci ;)

Ça peut toujours servir à quelqu'un, donc :

Je rencontrais ce problème avec la version 2.6 de Python, je viens d'essayer avec la 3.1 et les caractères spéciaux sont enregistrés correctement. Reste à voir si j'arrive à installer l'intégralité des librairies que j'utilisais dans mon application pour cette version de Python. :)

Edition :

Etant donné que je n'arrive pas à installer les librairies que je souhaite utiliser pour la version 3.1 de Python, il faut que je trouve une autre alternative...

Essayez une de ces deux lignes, ou une variation, selon ce que vous souhaitez exactement:

Code:

---

1 2	f.write(', '.join(tab)) f.write("['" + "', '".join(tab) + "']")

---

Par défaut sous python 2.6, les chaines de caractères sont encodés en string de 8 bits, sous python 3.1, les chaines de caractères sont en unicode 16 bits.

Essayes de déclarer ton tableau en unicode :

Code:

---

tab = [u'é',u'à']

---

Par contre, il faudrait savoir sous quel encodage tu veux enregistrer ton fichier texte. Mais c'est un début de piste entre la différence pyton 2.6 <-> 3.1

[edit]Voici une version qui ecrit un fichier encodé en utf8.

Code:

---

1 2 3 4 5 6 7 8 9 10

#!/usr/bin/env python # -*- coding: utf-8 -*-   import codecs   tab = [u'é',u'à'] f = codecs.open('sortie.txt', encoding='utf-8', mode='w') for c in tab: f.write(c) f.close()

---

Tout d'abord, merci pour vos contributions :)

Alors concernant la réponse de Pierre, j'ai essayé vos 2 lignes qui je pense me serviront à plusieurs reprise dans mon application, en revanche le problème s'avère un peu plus complexe que ça. Si dans mon exemple j'ai utilisé un tableau, c'était en pensant qu'on pouvait le convertir directement en chaine de caractère, sans avoir à le parcourir et éventuellement mettre en place un système pour le réécrire éléments par élément.

Ce qui m'emmène à en venir à la suggestion de DelphiManiac. Je pense partir avec le code que tu me donnes en exemple, comme base (d'ailleurs j'avais déjà utilisé la librairie codecs, mais en me compliquant un peu la tâche pour un résultat quasi nul ^^). En fait... les données que je souhaite exporter dans un fichier de sortie, sont surtout sous forme de dictionnaire :

Par exemple :

Code:

---

{'type' : ' croisière', 'destination' : 'Egypte', 'prix' : '600'} ...

---

Pensez vous qu'il y ai une façon de réécrire mon dictionnaire d'une traite ? (un peu comme avec l'appel de la méthode join()) Dans le cas contraire je pense procéder avec un traitement conditionnel à chaque tour de boucle pour conserver la structure de mon dictionnaire.

Salut
Pour sérialiser des structures Python, Pickle fait cela très bien.
Maintenant, s'il ne s'agit que de dictionnaires, on peut regarder aussi du côté de JSON.
Reste à savoir combien de ces structures similaires ou pas il faudra stocker et arbitrer sur la pertinence de passer par un SGDB de type SQLite.
- W

Bonjour,

Il ne faut pas confondre l'encodage, tel que Python le fait dans la mémoire ou sur disque, avec ce qui est affiché dans la console d'affichage.

Actuellement, même si une chaine est correctement encodée, son affichage à l'intérieur d'une liste ou d'un dictionnaire est incorrect:

Code:

---

1 2 3 4 5 6

z = "abcéèçàù" print z abcéèçàù print [z] ['abc\xe9\xe8\xe7\xe0\xf9']

---

La seule manière d'obtenir un affichage correct est de transformer pour l'affichage (et pour l'affichage seulement) la liste en chaine comme par exemple:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

#!/usr/bin/python # -*- coding: utf-8 -*- from __future__ import division   import sys   def liste2chaine(L): ch = '[' if ch!=[]: for e in L: ch += e + ', ' ch = ch[:-2] ch += ']' return ch   x = "abcéèçàù" # ça, c'est en utf-8 à cause du coding y = x.decode('utf-8'). encode(sys.stdout.encoding) # y est encodé pour l'affichage print y abcéèçàù print liste2chaine([y]) [abcéèçàù]

---

Tyrtamos

Merci pour vos contributions,

Concernant celle de wiztricks, je ne connaissais pas Pickle, mais par rapport aux aperçus de la documentation que j'ai pu avoir je pense que ça peut m'intéresser.


Ensuite, tyrtamos merci également, même si ta solution n'apporte qu'une réponse partielle aux questions que je me pose, c'est déjà une très bonne piste qui me permet de partir sur autre chose. Sinon bien plus que l'affichage c'est surtout l'écriture qui me pose problème.

D'ailleurs j'ai testé ton code et étant donné qu'il correspond à ce que je recherchais (mais pour des tableaux) je vais tenter de l'adapter pour des dictionnaires en faisant une fonction qui récupèrera un dictionnaire en argument au lieu d'un tableau.

J'y retourne ;)

Bonjour,

J'ai donné un code d'affichage pour une liste parce que ça correspondait à ton exemple de départ, mais on peut afficher n'importe quel objet python de base, y compris des dictionnaires, et j'ai un tuto pour cela:

http://python.jpvweb.com/mesrecettes....php?id=printx

A noter que pour afficher des objets complexes comme des arbres (des listes de listes de listes...), la fonction de parcours de l'objet est récursive.

Sinon pour les encodages, une bonne pratique avec Python v2.x est de travailler au maximum en unicode, et de faire les conversions au plus tôt dans les entrées et au plus tard dans les sorties. Avec les lectures-écritures disques, on utilise dans ce cas le module codecs.


Tyrtamos

Bonsoir,

Le module printx m'a effectivement permis de solutionner mon problème, avec un simple appel de la méthode formatx() sur la chaine de caractères que je souhaitais écrire dans mon ficher de sortie. Un grand merci pour votre aide ainsi que pour vos explications sur les différentes versions de Python et leur gestion de l'encodage ;)

Bonjour,

je vois bien que vous avez donné une excellente pour afficher un caractère spécial.

mais je permets de poser la question suivante:
comment faire pour chercher un caractère spécial dans une chaine .
car par exemple, j'ai tenté de compter le nombre d'occurrence de la lettre 'é' dans la chaine y ça m'a affiché " 0 "

Code:

---

1 2	nbr = y .count('é') print nbr

---

résultat:

Code:

---

0

---

Bonjour,

(Attention: ce qui suit concerne Python 2.x)

Pour que ça marche, il faut être sûr que la chaine et le caractère sont bien écrits dans le même encodage, car le 'é' n'est pas encodé de la même façon.

Voilà un exemple qui ne marche pas:

Code:

---

1 2 3 4 5 6 7 8 9

# x est encodée cp850 = encodage de la console DOS de Windows x = u"abcéèçàôùé".encode('cp850')   # car est encodé cp1252 = encodage par défaut de Windows car = u"é".encode('cp1252')   print x.count(car) 0

---

On pourrait corriger en ramenant tout en, par exemple, cp1252:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12

# x est encodée cp850 = encodage de la console DOS de Windows x = u"abcéèçàôùé".encode('cp850')   # on corrige x pour qu'il passe de cp850 à cp1252 x = x.decode('cp850').encode('cp1252')   # car est encodé cp1252 = encodage par défaut de Windows car = u"é".encode('cp1252')   print x.count(car) 2

---

A noter que pour passer d'un encodage non-unicode à un autre encodage non-unicode, on passe toutjours par unicode!


La solution la plus pratique est: on travaille toujours en unicode. On convertit tout ce qui rentre en unicode le plus vite possible. On convertit tout ce qui sort dans l'encodage objectif le plus tard possible.

Dans ce cas en unicode:

Code:

---

1 2 3 4 5 6 7 8 9

# x est encodée en unicode x = u"abcéèçàôùé"   # car est encodé en unicode car = u"é"   print x.count(car) 2

---

A noter que la chaine précédé de 'u' est en unicode, mais il faut dire à Python dans quel encodage se trouve la page de code avec, par exemple:

Code:

---

1 2	# -*- coding: utf-8 -*-

---

et il faut utiliser un éditeur de texte qui édite et sauvegarde dans cet encodage.

Tyrtamos

Merci Bien,

Code:

---

1 2 3 4 5 6 7 8

# x est encodée en unicode x = u"abcéèçàôùé"   # car est encodé en unicode car = u"é"   print x.count(car) 2

---

ça été le problème qui m'a bloqué.

l'essentiel c'est de retenir deux règles:
- pour savoir si une chaine est incluse dans une autre, il faut qu'elles soient toutes les deux en même encodage.

- pour encoder une chaine non-Unicode vers l'Unicode, il faut l'encodée en Unicode d'abord.