🚀 go-pugleaf

Benoit Liessens wrote:

> Bij het inlezen heb ik echter problemen: characters als '&' en '<' worden
> resp. naar '&amp;' en '&lt;' omgezet in de file maar '�' blijft '�' in de
> output file. Net die '�' en ook '�' genereren errors bij het parsen van de
> file naar een DOM-structuur: errors i.v.m."UTF-8". Hoe kan ik dit omlossen
> ?

"�" en dergelijke moeten in UTF-8 als 2 bytes worden voorgesteld: blijkbaar 
schrijft je tool die dingen niet als UTF-8 uit, maar als bv latin1. Wordt 
er geen character encoding in je xml document gezet?

Zoiets dus:

<?xml version="1.0" encoding="BLABLA"?>

-- 
Nicolas Barbier

Nicolas Barbier <anti@spam.invalid> schreef in berichtnieuws
3e4690f6$0$387$afc38c87@sisyphus.news.be.easynet.net...
> Benoit Liessens wrote:
>
> > Bij het inlezen heb ik echter problemen: characters als '&' en '<'
worden
> > resp. naar '&amp;' en '&lt;' omgezet in de file maar '�' blijft '�' in
de
> > output file. Net die '�' en ook '�' genereren errors bij het parsen van
de
> > file naar een DOM-structuur: errors i.v.m."UTF-8". Hoe kan ik dit
omlossen
> > ?
>
> "�" en dergelijke moeten in UTF-8 als 2 bytes worden voorgesteld:
blijkbaar
> schrijft je tool die dingen niet als UTF-8 uit, maar als bv latin1. Wordt
> er geen character encoding in je xml document gezet?
>
> Zoiets dus:
>
> <?xml version="1.0" encoding="BLABLA"?>

Dat encoding gedeelte heb ik inderdaad niet. Hoe bekom ik dat?
En waarom wordt '&' dan wel naar '&amp;' vertaalt ook al staat er geen
enconding bij?

Benoit

Benoit Liessens wrote:

>> <?xml version="1.0" encoding="BLABLA"?>
> 
> Dat encoding gedeelte heb ik inderdaad niet. Hoe bekom ik dat?

Gewoon erbij zetten.

http://www.w3.org/TR/REC-xml#charencoding

Je wil waarschijnlijk "ISO-8859-1" of "ISO-8859-15", of iets dergelijks.

> En waarom wordt '&' dan wel naar '&amp;' vertaalt ook al staat er geen
> enconding bij?

Het "&" teken heeft al een speciale betekenis in XML, evenals "<" en 
dergelijke, daarom wordt het dus ge-escaped, ongeacht welke characterset je 
gebruikt.

-- 
Nicolas Barbier

Benoit Liessens <benoit.liessens@gmx.net> schreef in berichtnieuws
b25tse$1bd$1@news.worldonline.be...
> Ik ben in python een cd-databaseje aan 't maken. Alles wordt in xml
> opgeslagen:
>
> vb:
> <? xml version="1.0" ..?>
> <cdcollection>
> <cd artist="arno" album="best of">
>     <track nr="1">putain putain</track>
>     ....
> </cd>
> <cd ...> etc. </cd>
> </cdcollection>
>
> Ik gebruik de xml.dom.minidom implementatie om dit object van
> Document()-type naar een file weg te schrijven.
> Bij het inlezen heb ik echter problemen: characters als '&' en '<' worden
> resp. naar '&amp;' en '&lt;' omgezet in de file maar '�' blijft '�' in de
> output file. Net die '�' en ook '�' genereren errors bij het parsen van de
> file naar een DOM-structuur: errors i.v.m."UTF-8". Hoe kan ik dit omlossen
?
>
> Ten tweede : De xml-tags heb ik zelf gedefinieerd (<track> <cd> etc..)
maar
> ik heb geen DTD gedefinieerd. Is zo'n DTD nodig om de xml-file terug in te
> lezen naar een object van het Document()-type?
>
> Kan iemand mij een beetje wegwijs maken in dit doolhof van classes en
> packages?
>
Eureka !

xml.dom.ext.Print(docroot, stream, encoding) en
xml.dom.ext.PrettyPrint(docroot,stream,encoding)

Benoit