Discussion :

[lapin_hobbit]

Bonjour,

Je parse une fichier XML récupéré depuis une URL:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
 
URL u = new URL(url);
InputStream is = u.openConnection().getInputStream();
DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
DocumentBuilder db = dbf.newDocumentBuilder();
Document doc = db.parse(is);
 
doc.getDocumentElement().normalize();
Element root = doc.getDocumentElement();
String info = root.getElementsByTagName("INFO").item(0).getTextContent();

problème : dans la balise info j'ai quelque chose du genre

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<INFO>montexteİ</INFO>

La String info prend la valeur "montexte?". Impossible de lire les caratére İ (turc) ou de conserver le

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

İ

pour l'envoyer tel quel à un navigateur web.

J'ai essayé de passer par la chaine de caractère contenant le xml (via l'URL). Celle ci est correcte mais même avec le code suivant j'obtiens un "?" :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
String xml = getXMLStringFromURL();
String encoding = "iso-8859-1";
DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
DocumentBuilder db = dbf.newDocumentBuilder();
Charset iso88591charset = Charset.forName(encoding);
InputStream is = new ByteArrayInputStream(xml.getBytes(iso88591charset));

J'ai essayé avec divers charset, sans succès.
Même avec ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
 
Document in = db.parse(is);
Document doc = db.newDocument();
 
Transformer xformer = TransformerFactory.newInstance().newTransformer();  
Properties proprietes = new Properties();
proprietes.put("method", "xml");
proprietes.put("version", "1.0"); 
proprietes.put("encoding", encoding); 
proprietes.put("standalone", "yes");
proprietes.put("indent", "yes");
proprietes.put("omit-xml-declaration", "no");
xformer.setOutputProperties(proprietes);
xformer.transform(new DOMSource(in), new DOMResult(doc));

Merci d'avance pour ceux qui auraient une piste.

[thelvin]

C'est normal, le parsing XML n'a aucun problème, lui .

C'est quand tu envoies le résultat au navigateur, tu le fais avec un encodage qui ne gère pas les caractères turcs. Du coup, Java ne pouvant rien y faire, il replace İ par ?

Rien à voir avec XML donc .

[lapin_hobbit]

Le problème vient bien du XML.
Le

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

İ

est transformé en ? dès que je récupère la valeur du tag depuis l'objet org.w3c.dom.Document.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

System.out.println(root.getElementsByTagName("INFO").item(0).getTextContent());

Résultat : "montexte?" au lien de

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

montexteİ

Si dans ma JSP je met un

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

İ

j'obtiens bien İ.

[thelvin]

Cela signifie simplement que System.out.println() ne gère pas ce caractère non plus. (plus exactement l'endroit où System.out.println() essaie d'écrire ne le gère pas.)

Essaie de faire System.out.println("İ"); tu verras que ça ne marche pas non plus.
System.out.println("\u0130"); non plus.

Enregistre-le dans un fichier au format utf-8, à la place. Tu verras que ça marche parfaitement.

[lapin_hobbit]

System.out ne gère pas le caractère &#304 ; c'est pour ça qu'il est affiché tel quel dans la console avant le parsing. Après le parsing au lieu d'obtenir &#304 ; j'ai ?. Je ne veut pas obtenir İ mais bien &#304 ; pour l'insérer tel quel dans ma JSP et qu'ainsi le navigateur m'affiche İ.

A la rigueur ce que m'affiche la console m'importe peu c'est juste un contrôle sur la transformation. J'aimerai juste avoir la même chose avant et après le parsing.

enregistrer le texte dans un fichier correctement encodé ne fonctionne pas puisque si c'était le cas, mon navigateur afficherai İ et pas ?.

[thelvin]

J'aimerai juste avoir la même chose avant et après le parsing.

Les parseurs XMLs résolvent toujours cette notation &# 304;
C'est normal, c'est leur rôle. Si ça ne te convient pas, rien ne t'empêche de le re-remplacer ensuite avec replaceAll(). Ou en utilisant un outil qui sait échapper ce qu'il doit.

enregistrer le texte dans un fichier correctement encodé ne fonctionne pas puisque si c'était le cas, mon navigateur afficherai İ et pas ?.

Uniquement si ce que tu envoies au navigateur est correct. Là aussi il faut faire attention à l'encodage. Par exemple, si tu renvoies une page que tu annonces encodée en iso-8859-1, et que tu y mets tel quel un caractère non géré par iso-8859-1, sans utiliser d'outil qui sache qu'il doit échapper les caractères non gérés, voilà ce qui arrive.

Je le répète, le parsing n'a aucun souci. Cesse de contester, et commence à analyser ce que tu en fais ensuite qui pose problème.

[lapin_hobbit]

Cesse de contester, et commence à analyser ce que tu en fais ensuite qui pose problème.

L'analyse, je l'ai mené en vérifiant la cohérence de l'encodage aux diverses étape entre la lecture et l'affichage. Je conteste pas par principe mais je ne hoche pas non plus la tête parce qu'on me dit de le faire.

Ceci dit tu avais raison. J'ai résolu le problème en changeant le charset de la JSP en UTF-8.

Merci bien.