Python-сообщество

запускаю питон 2.7 ( питон 3 нет возможности использовать) с помощью команды
python file.py in.txt

в файле in.txt находятся русские символы ( кирилица) и английские символы
мне необходимо обработать их с помощью регулярных выражений.
я знаком с тем что в питоне 2.7 еще не было юникода и надо ВСЕ перевести в него ( и регулярку, и сам текст). Поэтому мне нужно понять, где у меня ошибка при переводе в юникод.

ниже текст скрипта file.py

#coding: utf-8 
# load modules
import re
import sys
#import codecs
# read file, write file
a = open(sys.argv[1],"r")
s = a.readline()
s = unicode(s, 'utf8')
regexp = re.compile(u"[а-яА-ЯёЁa-zA-Z0-9]", flags=re.I + re.U)
tt = re.findall(regexp, s)
num = len(tt)
c=0
b = open('/home/mimino/pyliyt.txt', 'w')
while c < num:
	h=(tt[c]+':')
	h=h.strip()
	h=h.encode('utf8')
	b.writelines((h)+'\n')
	c+=1
# close files
try:
  a.close()
  b.close()
finally:
  print "all done"

  File "file.py", line 13
    regexp = re.compile(u"[▒-▒▒-߸▒a-zA-Z0-9]",flags=re.I + re.U)
SyntaxError: (unicode error) 'utf8' codec can't decode byte 0xe0 in position 0: unexpected end of data

Отредактировано pulya (Окт. 26, 2013 18:36:47)

файл точно в utf-8 ?

pulya
еще не было юникода

pulya
( и регулярку, и сам текст)

bismigalis
файл точно в utf-8 ?

Прикреплённый файлы:
in.txt (117 байт)

doza_and

Прикреплённый файлы:
pyliyt.txt (188 байт)

сам поправил свой код

ошибочная строка

regexp = re.compile(u"[а-яА-ЯёЁa-zA-Z0-9]", flags=re.I + re.U)

regexp = re.compile(u"[а-яА-ЯёЁa-zA-Z0-9]\w+", flags=re.I + re.U)

pulya

Ты понимаешь, что значат эти флаги ?

re.I + re.U

Budulianin
pulyaТы понимаешь, что значат эти флаги ?

pulya

Budulianin