Problema con codificacion de caracteres.

[sam90]

Estoy usando urllib2 y minidom de xml para leer y pasear partes de una pagina. Pero me tope que cierta parte de una pagina tiene el siguiente caracter: ° y entonces el minidom falla al parsear la pagina.

Mi pregunta es como hago para eliminar ese caracter, y algun otro caracter que se puede interponer??

Se que es problema del Unicode y del ASCII, probe un par de metodos casetos que encontre por otros lados pero no logre dar en la tecla.

Saludos

[razpeitia]

Encontré este link "How to use UTF-8 with Python" y tiene un apartado con el minidom.

En pocas palabras solo maneja "cadenas byte" o cadenas a secas. Si tratas de pasarle una cadena unicode entonces el minidom de python fallara miserablemente. Para evitar eso tienes que pasar la cadena unicode a una "cadena de bytes" y pasarselo al minidom y ademas que el xml tenga la declaración del encoding.

Edito para saber si es una cadena unicode o un cadena a secas puedes usar la función type.

Ejemplo

Código Python:

u = u"Unicode string"
s = "byte string"
print type(u)
print type(s)