Path: csiph.com!usenet.pasdenom.info!weretis.net!feeder4.news.weretis.net!newsfeed.straub-nv.de!npeer.de.kpn-eurorings.net!npeer-ng0.de.kpn-eurorings.net!news.tele.dk!news.tele.dk!small.news.tele.dk!newsgate.cistron.nl!newsgate.news.xs4all.nl!post.news.xs4all.nl!not-for-mail Return-Path: X-Original-To: python-list@python.org Delivered-To: python-list@mail.python.org X-Spam-Status: OK 0.001 X-Spam-Evidence: '*H*': 1.00; '*S*': 0.00; 'subject:data': 0.07; 'from:addr:ethan': 0.09; 'from:addr:stoneleaf.us': 0.09; 'from:name:ethan furman': 0.09; 'message-id:@stoneleaf.us': 0.09; 'received:184.172': 0.09; 'received:gator410.hostgator.com': 0.09; 'subject:string': 0.09; '~ethan~': 0.09; 'cc:addr:python-list': 0.15; 'ascii': 0.16; 'characters,': 0.16; 'decode': 0.16; 'immer': 0.16; 'non-text': 0.16; 'received:72.11': 0.16; 'received:72.11.125': 0.16; 'received:72.11.125.166': 0.16; 'subject:changing': 0.16; 'verwendet': 0.16; 'argument': 0.18; 'wrote:': 0.21; 'header:In-Reply-To:1': 0.22; 'header:User- Agent:1': 0.23; 'kann': 0.23; 'nicht': 0.24; 'cc:addr:python.org': 0.27; 'bit': 0.28; 'to:2**1': 0.30; 'diese': 0.30; 'cc:2**0': 0.31; 'source': 0.31; 'subject: (': 0.33; 'bytes': 0.33; 'removed.': 0.33; 'wird': 0.33; 'none': 0.34; 'characters': 0.35; 'subject:)': 0.36; 'sure': 0.36; 'but': 0.36; 'oder': 0.37; 'something': 0.38; 'received:userid': 0.61; 'alle': 0.66; 'andere': 0.66; 'troublesome': 0.66; 'caused': 0.67; 'sind': 0.72; 'heute': 0.91; 'else.': 0.93 Date: Wed, 28 Mar 2012 11:49:26 -0700 From: Ethan Furman User-Agent: Thunderbird 1.5.0.10 (Windows/20070221) MIME-Version: 1.0 To: "Prasad, Ramit" Subject: Re: "convert" string to bytes without changing data (encoding) References: <9tg21lFmo3U1@mid.dfncis.de> <9tg4qoFbfpU1@mid.dfncis.de> <9th0u8Fuf2U1@mid.dfncis.de> <5B80DD153D7D744689F57F4FB69AF47409291B7A@SCACMX008.exchad.jpmchase.net> In-Reply-To: <5B80DD153D7D744689F57F4FB69AF47409291B7A@SCACMX008.exchad.jpmchase.net> Content-Type: text/plain; charset=ISO-8859-1; format=flowed Content-Transfer-Encoding: 7bit X-AntiAbuse: This header was added to track abuse, please include it with any abuse report X-AntiAbuse: Primary Hostname - gator410.hostgator.com X-AntiAbuse: Original Domain - python.org X-AntiAbuse: Originator/Caller UID/GID - [47 12] / [47 12] X-AntiAbuse: Sender Address Domain - stoneleaf.us X-BWhitelist: no X-Source: X-Source-Args: X-Source-Dir: X-Source-Sender: mail.admailinc.com ([192.168.10.136]) [72.11.125.166]:1884 X-Source-Auth: ethan+stoneleaf.us X-Email-Count: 3 X-Source-Cap: dG9idWs7dG9idWs7Z2F0b3I0MTAuaG9zdGdhdG9yLmNvbQ== Cc: "python-list@python.org" X-BeenThere: python-list@python.org X-Mailman-Version: 2.1.12 Precedence: list List-Id: General discussion list for the Python programming language List-Unsubscribe: , List-Archive: List-Post: List-Help: List-Subscribe: , Newsgroups: comp.lang.python Message-ID: Lines: 24 NNTP-Posting-Host: 2001:888:2000:d::a6 X-Trace: 1332963309 news.xs4all.nl 6984 [2001:888:2000:d::a6]:37771 X-Complaints-To: abuse@xs4all.nl Xref: csiph.com comp.lang.python:22308 Prasad, Ramit wrote: >> You can read as bytes and decode as ASCII but ignoring the troublesome >> non-text characters: >> >>>>> print(open('text.txt', 'br').read().decode('ascii', 'ignore')) >> Das fr ASCII nicht benutzte Bit kann auch fr Fehlerkorrekturzwecke >> (Parittsbit) auf den Kommunikationsleitungen oder fr andere >> Steuerungsaufgaben verwendet werden. Heute wird es aber fast immer zur >> Erweiterung von ASCII auf einen 8-Bit-Code verwendet. Diese >> Erweiterungen sind mit dem ursprnglichen ASCII weitgehend kompatibel, >> so dass alle im ASCII definierten Zeichen auch in den verschiedenen >> Erweiterungen durch die gleichen Bitmuster kodiert werden. Die >> einfachsten Erweiterungen sind Kodierungen mit sprachspezifischen >> Zeichen, die nicht im lateinischen Grundalphabet enthalten sind. >> >> The paragraph is from the German Wikipedia on ASCII, in UTF-8. > > I see no non-ASCII characters, not sure if that is because the source > has none or something else. The 'ignore' argument to .decode() caused all non-ascii characters to be removed. ~Ethan~