Discussion :

[InDaWinD]

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 :

Sélectionner tout - Visualiser dans une fenêtre à part

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

[oiffrig]

Essaie

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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)

[InDaWinD]

Merci mais quelque chose cloche :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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