Código de muestra: >>> import json >>> json_string = json.dumps("ברי צקלה") >>> print json_string "\u05d1\u05e8\u05d9 \u05e6\u05e7\u05dc\u05d4" El problema: no es legible para humanos. Mis usuarios (inteligentes) quieren verificar o incluso editar archivos de texto con...
Solo tuve que escribir una función inversa de cadena en C # 2.0 (es decir, LINQ no está disponible) y se me ocurrió esto: public string Reverse(string text) { char[] cArray = text.ToCharArray(); string reverse = String.Empty; for (int i = cArray.Length - 1; i > -1; i--) { reverse +=...
Estoy ejecutando un programa que procesa 30,000 archivos similares. Un número aleatorio de ellos se detiene y produce este error ... File "C:\Importer\src\dfman\importer.py", line 26, in import_chr data = pd.read_csv(filepath, names=fields) File
¿Cuál es la diferencia exacta entre Unicode y ASCII? ASCII tiene un total de 128 caracteres (256 en el conjunto extendido). ¿Existe alguna especificación de tamaño para los caracteres
¿Cuál es la base de Unicode y por qué la necesidad de UTF-8 o UTF-16? Investigué esto en Google y busqué aquí también, pero no me queda claro. En VSS al hacer una comparación de archivos, a veces hay un mensaje que dice que los dos archivos tienen UTF diferentes. Por qué sería este el caso? Por...
Estaba desconcertado cuando un colega me mostró esta línea de alertas de JavaScript 42. alert(2+ 40); Ejecutar fragmento de códigoHide resultsExpandir fragmento Resulta rápidamente que lo que parece un signo menos es en realidad un personaje arcano de Unicode con una semántica claramente...
Tengo varios archivos XML muy grandes y estoy tratando de encontrar las líneas que contienen caracteres no ASCII. He intentado lo siguiente: grep -e "[\x{00FF}-\x{FFFF}]" file.xml Pero esto devuelve todas las líneas del archivo, independientemente de si la línea contiene un carácter en el rango...
¿Cuál es la diferencia entre los Unicode, UTF8, UTF7, UTF16, UTF32, ASCII, y ANSIcodificaciones? ¿De qué manera son útiles para los
¿Cómo encontrar la longitud de una cadena (número de caracteres en una cadena) sin dividirla en R? Sé cómo encontrar la longitud de una lista pero no de una cadena. ¿Y qué hay de las cadenas Unicode? ¿Cómo encuentro la longitud (en bytes) y el número de caracteres (runas, símbolos) en una cadena...
Tengo algunos problemas cerebrales para entender leer y escribir texto en un archivo (Python 2.4). # The string, which has an a-acute in it. ss = u'Capit\xe1n' ss8 = ss.encode('utf8') repr(ss), repr(ss8) ("u'Capit \ xe1n '", "' Capit \ xc3 \ xa1n '") print ss, ss8 print >>...
Tenemos un proyecto en Team Foundation Server (TFS) que tiene un carácter que no es inglés (š). Al intentar escribir algunas cosas relacionadas con la compilación, nos topamos con un problema: no podemos pasar la letra š a las herramientas de línea de comandos. El símbolo del sistema o cualquier...
Tengo este error: Traceback (most recent call last): File "python_md5_cracker.py", line 27, in <module> m.update(line) TypeError: Unicode-objects must be encoded before hashing cuando intento ejecutar este código en Python 3.2.2 : import hashlib, sys m = hashlib.md5() hash = "" hash_file...
Tengo un servidor de socket que se supone que recibe caracteres válidos UTF-8 de los clientes. El problema es que algunos clientes (principalmente piratas informáticos) envían todo el tipo de datos incorrectos sobre él. Puedo distinguir fácilmente al cliente genuino, pero estoy ingresando a los...
Estoy usando Python 2 para analizar JSON de archivos de texto codificados ASCII . Al cargar estos archivos con jsono simplejson, todos mis valores de cadena se convierten en objetos Unicode en lugar de objetos de cadena. El problema es que tengo que usar los datos con algunas bibliotecas que solo...
¿Qué tengo que hacer en Python para descubrir qué codificación tiene una
Aquí hay un código que encontré en Internet: class M{public static void main(String[]a){System.out.print(new char[] {'H','e','l','l','o',' ','W','o','r','l','d','!'});}} Este código se imprime Hello World!en la pantalla; Puedes verlo correr aquí . Puedo ver claramente public static void...
¿Por qué falla el siguiente artículo? ¿Y por qué tiene éxito con el códec "latin-1"? o = "a test of \xe9 char" #I want this to remain a string as this is what I am receiving v = o.decode("utf-8") resultados en: Traceback (most recent call last): File "<stdin>", line 1, in <module>...
Necesito reemplazar todos los caracteres que no sean ASCII (\ x00- \ x7F) con un espacio. Me sorprende que esto no sea fácil en Python, a menos que me falte algo. La siguiente función simplemente elimina todos los caracteres que no son ASCII: def remove_non_ascii_1(text): return ''.join(i for i...
Actualmente estoy usando Beautiful Soup para analizar un archivo HTML y llamar get_text(), pero parece que me quedan muchos \ xa0 Unicode que representan espacios. ¿Hay alguna manera eficiente de eliminarlos en Python 2.7 y cambiarlos a espacios? Supongo que la pregunta más general sería: ¿hay...
Estoy un poco confundido acerca de las codificaciones. Hasta donde yo sé, los caracteres ASCII antiguos tomaban un byte por carácter. ¿Cuántos bytes requiere un carácter Unicode? Supongo que un carácter Unicode puede contener todos los caracteres posibles de cualquier idioma. ¿Estoy en lo...