การ encode string cp874 => utf-8

Submitted by khao_lek on 15 January, 2008 - 11:58

Python in General

คือพอดีผมจะค้นหาตำแหนงของตัวอักษร แล้วผมมีปัญหาว่าค้นหาไม่เจอเพราะ
ชุดอักขระที่ใช้ค้นหา encode ด้วย utf-8
แต่ชุดอักขระที่ถูกค้นหา encode ด้วย cp874 ทำให้หาไม่เจอคับ
ในไฟล์ code ของผม ผมเพิ่ม
# -*- coding: utf-8 -*- (encode ตัวไฟล์เป็น utf-8 ด้วย)
แล้ว ข้อมูลที่จะค้นหาเป็น cp874 ผมจะ encode เป็น utf-8
แล้ว error ดังนี้
1. string.decode('utf8')
Error:
UnicodeDecodeError: 'utf8' codec can't decode byte 0xa4 in position 4478: unexpected code byte
[0xa4 = ค]
2. unicode(string)
Error:
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-5: ordinal not in range(128)

จะแก้ไขอย่างไรดีครับ

Submitted by sugree on 15 January, 2008 - 15:03.

น่าจะเป็นแบบนี้นะ

def search(text, s): # text เป็น utf-8 s เป็น cp874
    return text.find(s.decode('cp874'))

Submitted by khao_lek on 16 January, 2008 - 10:11.

ขอบคุณครับ

Submitted by khao_lek on 17 January, 2008 - 18:09.

ยังไม่ได้เลยครับ เฮ้อผ่านได้ก็ไปไกล้แล้วอะคับ
ติดอยู่แต่ตรงนี้ไปไหนไม่ได้เลยคับ
ผมลองแก้ไข code ของคุณ sugree หลายๆ แบบแล้วก็ไม่ได้ครับ
ผมลอง print type ออกมานะครับ
ครั้งแรก จะได้ <type 'str'>
ครั้งที่2จะได้ <type 'unicode'>
code

def search(text, s):
    sText = u''
    sText = text.decode('utf8')
    return sText.rfind(s)
#response.get_data() ได้มาจาก mechanize
strDataUrl = response.get_data()
print type(strDataUrl)
strDataUrl_II = unicode(strDataUrl,'cp874')
print type(strDataUrl_II)
strFind = u'ขายออก</strong></span></span></th>'
substrDataUrl = search(strDataUrl_II,strFind)
strSubData = strDataUrl_II[substrDataUrl:]
print strSubData

error

error in 
substrDataUrl = search(strDataUrl_II,strFind)
 
error in 
sText = text.decode('utf8')
 
'ascii' codec can't encode characters in position 4478-4484: ordinal not in range(128)

Submitted by sugree on 17 January, 2008 - 21:43.

ผมไปลองมาให้เรียบร้อยแล้วครับ

#!/usr/bin/env python
# -*- coding: utf-8 -*-
 
import sys
sys.path.insert(0, 'mechanize-0.1.7b')
sys.path.insert(0, 'ClientForm-0.2.7')
from mechanize import Browser
 
def search(text, s):
    return text.rfind(s)
 
br = Browser()
br.set_handle_robots(False)
response = br.open('http://www.manager.co.th/home/default.html')
rawdata = response.get_data()
print type(rawdata)
 
ucdata = rawdata.decode('cp874')
print type(ucdata)
 
s = u'เจ็ด'
index = search(ucdata, s)
 
match = ucdata[index:index+30]
print match

Submitted by khao_lek on 18 January, 2008 - 13:32.

ผมเอา code ของคุณ sugree มาสร้างไฟล์ test แล้วก็เป็นเหมือนเดิม
นะครับ มันจะแตกต่างกับคุณ sugree ตรงไหนครับ หากไม่ print match
ก็ไม่เป็นไรนะคับ และก็เอา match ไปใช้อะไรไม่ได้เลยครับ เขียนลง
ไฟล์ก็ error เอามาใช้งานต่อก็ error ครับ
os : windows
python : 2.5

<type 'str'>
<type 'unicode'>
Traceback (most recent call last):
  File "D:\myWorkEclipse\GUI\rpt\test.py", line 24, in <module>
    print match
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-3: ordinal not in range(128)

Submitted by sugree on 18 January, 2008 - 16:30.

ฮ่ะๆ วินโดส์นี่เอง ถ้าเป็นวินโดส์ตอน print ต้องแบบนี้

print match.encode('tis-620')

Submitted by khao_lek on 21 January, 2008 - 09:15.

ได้แล้วครับขอบคุณมากเลยครับคุณ sugree

ย้าย Codenone

ประกาศย้าย Codenone ไปใช้ Forum ของ Blognone แทนครับ ตามไปตั้งกระทู้ต่อได้ที่ Codenone Forum (รายละเอียดอ่านจากกระทู้ ย้าย Codenone ไปรวมกับ Blognone)

กระทู้เก่าๆ จะย้ายตามไปในภายหลัง ตอนนี้ปิดการโพสต์กระทู้ไว้ เหลือไว้เฉพาะอ้างอิงเท่านั้น

Codenone

Book navigation

Forum List

การ encode string cp874 => utf-8

ย้าย Codenone