Enregistrer du texte sous une forme particulière

**Pasqualini** · 13/11/2014, 18h42

Bonjour,
voilà ce que je cherche.
Je travaille avec C++ Builder XE 6;
J'ai écrit un programme me permettant de mettre sous une forme "lisible" le calendrier de Google (Googel Calendar).
A la fin du programme j'enregistre le texte, qui est dans une TStringList.
J'utilise Fichier->SaveToFile(NomDuFichie.txt).

J'ai constaté que tous les caractères accentués étaient codé avec 4 octets, par exemple ê est enregistré C3AA.
Les autres caractères sont enregistrés avec 2 octets.
Le caractère ê pourrait également être enregistré avec 2 octets : EA.

Que faudrait-il faire lors de l'enregistrement SaveToFile pour obtenir ce résultat ?

Merci de votre aide.

**Médinoc** · 14/11/2014, 17h11

Par "C3AA" du veux dire littéralement 'C', '3', 'A', 'A' (quatre octets, 0x43234141) ou 0xC3AA (deux octets) ?

0xC3AA est l'encodage UTF-8 de U+00EA, le code du 'ê' dans Unicode.

**Pasqualini** · 15/11/2014, 10h23

Il s'agit bien de 4 octets.
J'ai essayé l'option

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

SaveToFile(usNom, Encoding->ANSI);

Cela n'a pas suffit.

**Pasqualini** · 26/11/2014, 18h18

J'ai trouvé une solution, peut-être pas très élégante, mais elle me suffit.
Pour ceux que cela pourrait intéresser :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
 
UnicodeString ReparerLibelle(UnicodeString usLigne)
{
	const UnicodeString usC3 = "Ã";
	int longueur, i;
	if(usLigne.Pos(usC3) < 1) return usLigne;
	longueur = usLigne.Length();
	i = 1;
	while(i <= longueur)
	{
		UnicodeString usCar = UnicodeString(usLigne[i]);
		if(usCar == usC3)
		{
			usLigne.Delete(i, 1); longueur--;
			UnicodeString usCaractere = usLigne.SubString(i, 1);
			wchar_t* wcar = usCaractere.w_str();
			*wcar = *wcar + 64;
			usLigne[i] = *wcar;
		}
		i++;
	}
	return usLigne;
}
//---------------------------------------------------------------------------

C'est basé sur le fait que les caractères codés sur 4 octets commencent tours par le même caractère codé sur 2 octets,
le caractère suivant est transformé dans le caractère qui aurait du être codé sur 2 octets.
Le premier des 2 caractères est Ã (C3) le suivant est de la forme AX ou BX, par exemple C3 A9 pour le caractère é. Son codage sur 2 octets est E9.
E9 - A9 = 64.

**Crayon** · 27/11/2014, 01h18

Envoyé par Pasqualini

Il s'agit bien de 4 octets.
J'ai essayé l'option

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

SaveToFile(usNom, Encoding->ANSI);

Cela n'a pas suffit.

Je ne comprends pourquoi ici mon encodgae semble fonctionner.

Le code que j'ai mis dans le constructeur:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
    TStringList* Fichier = new TStringList();
    if(Fichier->Encoding == NULL)
    {
        Fichier->Add("Default Encoding: " + Fichier->DefaultEncoding->EncodingName);
    }
    else
    {
        Fichier->Add("Encoding: " + Fichier->Encoding->EncodingName);
    }
    Fichier->Add("Fête");
    Fichier->SaveToFile("c:\\temp.txt", TEncoding::ANSI);
    delete Fichier;

Le résultat obtenu avec TEncoding::ANSI:

00000000h: 44 65 66 61 75 6C 74 20 45 6E 63 6F 64 69 6E 67 ; Default Encoding
00000010h: 3A 20 31 32 35 32 20 20 28 41 4E 53 49 20 2D 20 ; : 1252  (ANSI -
00000020h: 6C 61 74 69 6E 20 49 29 0D 0A 46 EA 74 65 0D 0A ; latin I)..Fête..

Lorsque j'utilise TEncoding::Unicode:

00000000h: FF FE 44 00 65 00 66 00 61 00 75 00 6C 00 74 00 ; ÿþD.e.f.a.u.l.t.
00000010h: 20 00 45 00 6E 00 63 00 6F 00 64 00 69 00 6E 00 ;  .E.n.c.o.d.i.n.
00000020h: 67 00 3A 00 20 00 31 00 32 00 35 00 32 00 20 00 ; g.:. .1.2.5.2. .
00000030h: 20 00 28 00 41 00 4E 00 53 00 49 00 20 00 2D 00 ;  .(.A.N.S.I. .-.
00000040h: 20 00 6C 00 61 00 74 00 69 00 6E 00 20 00 49 00 ;  .l.a.t.i.n. .I.
00000050h: 29 00 0D 00 0A 00 46 00 EA 00 74 00 65 00 0D 00 ; ).....F.ê.t.e...
00000060h: 0A 00                                           ; ..

Seulement quand je met TEncoding::UTF8 alors j'ai la même chose que toi:

00000000h: EF BB BF 44 65 66 61 75 6C 74 20 45 6E 63 6F 64 ; ï»¿Default Encod
00000010h: 69 6E 67 3A 20 31 32 35 32 20 20 28 41 4E 53 49 ; ing: 1252  (ANSI
00000020h: 20 2D 20 6C 61 74 69 6E 20 49 29 0D 0A 46 C3 AA ;  - latin I)..FÃª
00000030h: 74 65 0D 0A                                     ; te..

**Médinoc** · 27/11/2014, 09h53

Ça, c'est sur deux octets, comme c'est censé l'être.
Pasqualini se plaint que chez lui il obtient quatre octets à la place, comme si l'encodage était converti en hexadécimal lors de l'enregistrement:

Envoyé par Médinoc

Par "C3AA" du veux dire littéralement 'C', '3', 'A', 'A' (quatre octets, 0x43234141) ou 0xC3AA (deux octets) ?

Envoyé par Pasqualini

Il s'agit bien de 4 octets.

**Pasqualini** · 27/11/2014, 10h51

Lorsque j'écris moi-même du texte, par exemple "fête de noël" et que je l'enregistre
L’enregistrement se fait pour chaque caractère sur 2 octets.
Le problème venait du fait que le fichier qui était enregistré était un fichier créé par Google,
le fichier basic.ics, le fichier renfermant tous les enregistrements du Google Calendar.

**Crayon** · 27/11/2014, 20h24

Dans mon exemple plus haut j'ai ajouter en premier un LoadFromFile d'un fichier UTF-8 et voici ce que j’obtiens avec TEncoding::ANSI:

00000000h: 46 69 6C 65 0D 0A 45 6E 63 6F 64 69 6E 67 3A 20 ; File..Encoding: 
00000010h: 36 35 30 30 31 20 28 55 54 46 2D 38 29 0D 0A 46 ; 65001 (UTF-8)..F
00000020h: EA 74 65 0D 0A                                  ; ête..

On peut voir que maintenant l'Encoding est à UTF-8 quand on charge le fichier. Contrairement à NULL dans mon code précédent (ce qui forçait l'utilisation de DefaultEncoding). Par contre, le résultat est le même avec TEncoding::ANSI.

Je ne comprend pas d'où peux venir tes différences!

**Médinoc** · 28/11/2014, 09h13

@Pasqualini: pourrais-tu poster un dump hexascii de ce que tu obtenais?

**Pasqualini** · 28/11/2014, 10h24

Je vais essayer.

**Pasqualini** · 28/11/2014, 12h29

Voilà, ci-après un court extrait du fichier.
Je n'ai pas compris comment mettre un fichier en pièce jointe.

20020202,"11:30","12:30","nn:nn","CrÃªpes","Y"
20020205,"14:00","16:30","nn:nn","La thÃ©orie V-A des interactions faibles, modÃ¨le de Fermi","Y"
20020207,"14:00","16:00","nn:nn","La matiÃ¨re Ã* la naissance de l'univers !","Y"
20020212,"11:30","12:30","nn:nn","CrÃªpes","Y"
20020220,"14:00","15:00","nn:nn","Tricot...","Y"
20020226,"14:00","16:30","nn:nn","DÃ©sintÃ©grations et interactions faibles","Y"
20020301,"14:00","16:00","nn:nn","ESRF, la lumiÃ¨re explore","Y"
20020305,"14:00","16:30","nn:nn","Etats, repÃ¨res, observables, transformations","Y"
20020310,"12:00","17:00","nn:nn","Anniversaire MÃ©lanie","Y"
20020312,"14:00","16:30","nn:nn","Groupes, algÃ¨bres, symÃ©tries de jauge","Y"
20020319,"14:00","16:30","nn:nn","Invariance de jauge dans l'Ã©lectromagnÃ©tisme classique","Y"

**Médinoc** · 28/11/2014, 12h43

Je pensais plutôt à un truc du genre: http://www.fileformat.info/tool/hexdump.htm

**Pasqualini** · 28/11/2014, 18h33

Le fichier peut être trouvé ici :
http://dl.free.fr/hig2Zj3fN

**Médinoc** · 28/11/2014, 21h04

Marche pas.

**Crayon** · 28/11/2014, 21h41

Envoyé par Médinoc

Marche pas.

@Médinoc, voici le début:

0000-0010:  32 30 30 32-30 32 30 32-2c 22 31 31-3a 33 30 22  20020202 ,"11:30"
0000-0020:  2c 22 31 32-3a 33 30 22-2c 22 6e 6e-3a 6e 6e 22  ,"12:30" ,"nn:nn"
0000-0030:  2c 22 43 72-c3 aa 70 65-73 22 2c 22-59 22 0d 0a  ,"Cr..pe s","Y"..
0000-0040:  32 30 30 32-30 32 30 35-2c 22 31 34-3a 30 30 22  20020205 ,"14:00"
0000-0050:  2c 22 31 36-3a 33 30 22-2c 22 6e 6e-3a 6e 6e 22  ,"16:30" ,"nn:nn"
0000-0060:  2c 22 4c 61-20 74 68 c3-a9 6f 72 69-65 20 56 2d  ,"La.th. .orie.V-
0000-0070:  41 20 20 64-65 73 20 69-6e 74 65 72-61 63 74 69  A..des.i nteracti
0000-0080:  6f 6e 73 20-66 61 69 62-6c 65 73 2c-20 6d 6f 64  ons.faib les,.mod
0000-0090:  c3 a8 6c 65-20 64 65 20-46 65 72 6d-69 22 2c 22  ..le.de. Fermi","
0000-00a0:  59 22 0d 0a-32 30 30 32-30 32 30 37-2c 22 31 34  Y"..2002 0207,"14

@Pasqualini, ton fichier a été généré avec le paramètre TEncoding::ANSI?:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Fichier->SaveToFile("c:\\temp.txt", TEncoding::ANSI);

**Médinoc** · 29/11/2014, 09h52

Hé ben, c'est de l'UTF-8 correct!

@Pasqualini, pourquoi t'es-tu plaint que c'était sur quatre octets? C'est bien sur deux! ê -> 0xC3AA -> Deux octets!

**Pasqualini** · 29/11/2014, 10h35

C'est exact. Les autres caractères sont sur un seul octet.

**Médinoc** · 29/11/2014, 12h40

Ben oui, c'est ça l'UTF-8.
Quel est le problème exactement?
Tu veux du Windows-1252 à la place? (tout sur un octet, mais certains caractères passent à la trappe)

PS: Et pourquoi disais-tu "quatre octets"?

**Pasqualini** · 29/11/2014, 17h36

Je n'ai pas l'impression que les caractères que nous utilisons normalement passent à la trappe avec un seul octets.

Pourquoi disais-je 4 octets ?
Aujourd'hui, je me le demande.
Alors que sur l'affichage hexadécimal que j'ai l'habitude d'utiliser, celui qui est fourni par UlraEdit, il était évident que le codage était sur 2 octets pour les caractères accentués.
J'ai fait l'erreur au début, ensuite c'est comme quand on vérifie un calcul dans lequel on a écrit 3*3 = 6. On peut le vérifier, le revérifier et on ne détecte pas l'erreur.
C'est d'ailleurs la raison pour laquelle en assurance qualité, il est demandé de faire vérifier par une personne qui n'a pas réalisé le travail, dessin ou calcul.

C'est ce que je cherchait, c'est bien d'avoir tout sur un octet, et je n'ai pas trouvé;

Merci de votre patience.

**Crayon** · 29/11/2014, 18h34

Envoyé par Pasqualini

C'est ce que je cherchait, c'est bien d'avoir tout sur un octet, et je n'ai pas trouvé;

Ton fichier a été généré avec le paramètre TEncoding::ANSI?:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Fichier->SaveToFile("c:\\temp.txt", TEncoding::ANSI);

Jusqu'à maintenant tu n'as pas montré de code. C'est très difficile de dire d'où proviens le problème.

Enregistrer du texte sous une forme particulière

C++Builder

Discussions similaires

Partager

Partager