Błąd podczas konwersji kodowania i użycia wyrażenia regularnego.

0

Mam następujący komunikat błedu, po poniższym kodzie.
UnicodeEncodeError: 'ascii' codec can't encode character u'\u015a' in position 0: ordinal not in range(128)

#!/usr/bin/python2
# -*- coding: utf-8 -*-

import re
import sys

wzorzec= u"^(Kosma|Jarema|[A-ZĆŁŚŹŻ][a-ząćęłńóśźż]*[^a]) ([A-ZĆŁŚŹŻ][a-ząćęłńóśźż]+)$"

for line in sys.stdin:
	line=unicode(line,"utf-8")
	dopasowanie = re.search(wzorzec, line)
	if dopasowanie: 
		print dopasowanie.group(2)
	else:
		print '<NONE>'

Widzę gdzie jest problem dopasowanie.group(2). Próbowałam zmienić kodowanie w Shebangs (Mam nadzieję że dobrze zapamiętałam). na unicode zamiast utf-8, dostałam komunikat że jest problem z BOM, a nie wiem czy idę we właściwym kierunku. Gdy ten sam kod(chodzi mi że serce programu jest takie samo, różni się tylko że czytam z pliku linijka po linijce), puszczam z pod windowsa i czytam linijka po linijce z pliku a nie standardowego wejścia-wszystko działa poprawnie.

Gdy w powyższym kodzie zamiast print dopasowanie.group(2) dam print "a" kod działa.

Kod ma na celu sprawdzenie czy podana istota w formacie imię nazwisko jest przedstawicielem płci męskiej. Imiona mogą zawierać polskie litery i to rodzi problemy. Imię męskie to imie nie kończące się na a z wyjątkiem Kosma i Jarema, to mam dobrze działa mi to jak wspomniałam.

0

A próbowałaś zapisywać do pliku zamiast na konsolę?

0

Generalnie "pics or it didn't happen" ;] Bo "u mnie działa". Jak zrobię sobie plik wejściowy w UTF-8 (za pomocą notepad++) i stuknę:
python test.py < dane.txt to pomyka jak rącza gazela.

0

Czasami nie możemy sobie pozwolić na taki luksus jak wybór, czy biorę z pliku czy czytam z wejścia.

Nie działa... Serio jak kometa nie działa...

0

Ok w takim razie problem polega na tym że KONSOLA której używasz koduje te polskie znaki w jakimś kodowaniu X. Musisz więc zrobić konwersję z X na utf-8. Strzelam że X to jest Windows-1250 albo iso-8859-2, spróbuj oba ;]
Więc bierzesz np. tego stringa z wejscia i robisz
string_z_wejscia = string_z_wejscia.decode("iso-8859-2").encode("utf-8")
Analogicznie dla windows-1250 bo nie wiem czym to robisz ;]

0

Windows, ale łączę się przez ssh pod linux-a

Teraz mam taki błąd:

Traceback (most recent call last):
  File "run", line 10, in <module>
    line = line("iso-8859-2").encode("utf-8")
TypeError: 'str' object is not callable
`
#!/usr/bin/python2
# -*- coding: utf-8 -*-

import re
import sys

wzorzec= u"^(Kosma|Jarema|[A-ZĆŁŚŹŻ][a-ząćęłńóśźż]*[^a]) ([A-ZĆŁŚŹŻ][a-ząćęłńóśźż]+)$"

for line in sys.stdin:
        line = line("iso-8859-2").encode("utf-8")
        line=unicode(line,"utf-8")
        dopasowanie = re.search(wzorzec, line)
        if dopasowanie:
                print dopasowanie.group(2)
        else:
                print '<NONE>'

To jest w ogóle dziwne. Odpalam program, on bierze (sprawdzałam) plik z kodowaniem utf-8. Więc chyba nie powinno być żadnych problemów i to encode nie powinno być w ogóle potrzebne.

0

Przeparszam, ale WTF? Co to wg ciebie znaczy line("iso-8859-2")? Widzisz takie coś w moim poście? o_O
Zuza, rozumiesz ty w ogóle co robisz? Próbujesz "wywołać" zmienną? o_O I najlepsze jest to ze python jasno cię informuje gdzie masz błąd...

0

Tak, masz rację. Zapomniałam napisać decode stąd błąd. Dekoduje z ISO a następnie koduję na UTF-8. Potem używam unicode aby zamienić utf na unicode, co powinno pozwolić aby funkcja dopasowująca do wzorca, zwracała poprawne dane.

Tak się jednak nie dzieję.

Polskie litery zostają zignorowane.

Przykładowo program prawidłowo wypisze nazwisko pana o danych: Łukasz Nowak. W rzeczywistości program tego pana pomija...

Jak ja lubię kodowanie znaków... -_-

1 użytkowników online, w tym zalogowanych: 0, gości: 1