Discussion :

[vert]

Bonjour,
Je souhaite lire une page web encoder en utf-8 et récolter sur cette dernière les informations souhaitées. Sur windows, c’est sur cet os que j’ai développé, cela fonctionne parfaitement par contre j’ai testé sur mac et là notamment les é sont sucrés, pas sympa du tout !

J’effectue l’opération de lecture de la page web de la manière suivante :

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
 
 
URLConnection conn = url.openConnection();
conn.setDoOutput(true);		       
 
InputStreamReader iSRpageWeb = new InputStreamReader(conn.getInputStream(), "UTF-8");
 
javax.swing.JOptionPane.showMessageDialog(null,"getContentEncoding : " + conn.getContentEncoding());
 
//lecture de la réponse
reader = new BufferedReader(iSRpageWeb);
 
String ligne = "";
 
while ((ligne = reader.readLine()) != null) {
       pageRetourneParMorphalou.append(ligne); 
       javax.swing.JOptionPane.showMessageDialog(null,"ligne : " +  ligne);
}

ensuite je cherche l’information souhaitée (mot) dans pageRetourne.
Et si les mots n’ont pas de caractères spéciaux ils se trouvent bien dans pageRetourne et peux les extraire. Par contre s’il en a avec par exemple prénom (je sais que la page web contient ce mot) il n’existe pas dans pageRetourne, mais je trouve prnom !

Ce que j’ai fait :
1)Dans le head du code de la page Web il est écrit :charset=utf-8
2)Dans Windows Internet Explorer, le codage indiqué est Unicode (UTF-8)
3)Par contre, conn.getContentEncoding() est égale à null
4)En affichant la ligne, j’ai été surpris que pour prénom on trouve prnom et que le é ne soit pas remplacé par un caractère bizarre comme attendu s’il y a un mauvais codage !

Je dois l’avouer suis dans le noir car j’ai pas idée de quoi cela peut venir alors s’il pouvait y avoir des lumières, merci !

[adiGuba]

Salut,


Les lignes sont bien affiché dans les JOptionPane ????
C'est quoi pageRetourneParMorphalou ????


a++

[vert]

pageRetourneParMorphalou c'est un StringBuffer.

Les lignes sont bien affiché dans les JOptionPane ????
Non, je les ai mis pour voir ce qu'il y a dans pageRetourneParMorphalou.

[adiGuba]

Donc tu as bien un problème à la lecture, ce qui signifie que le flux ne doti pas être en UTF-8...

Pour vérifier le charset indiqué par le serveur web, il faut utiliser getContentType() et non pas getContentEncoding(). Ce dernier indique une éventuelle méthode de compression (gzip par exemple) et non pas l'encodage des caractères.


Sinon si tu pouvais indiquer l'URL ce serait plus pratique...


a++

[vert]

le getContentType() donne text/html; charset=utf-8 .....

Merci de m'aider

[vert]

Je ne sais plus si je me mords la queue mais j'ai essayé de réecrire la page Web reçu dans un fichier codé en UTF-8. Afin de voir si le codage est bien de l'UTF-8.

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
 
OutputStreamWriter out;
InputStreamReader iSRpageWeb;
 
URL url = new URL(adresse);
URLConnection conn = url.openConnection();
conn.setDoOutput(true);
 
iSRpageWeb = new InputStreamReader(conn.getInputStream(), "UTF-8");
 
FileOutputStream fos = new FileOutputStream("PageWeb.txt");
out = new OutputStreamWriter(fos, "UTF8");
 
int c;
while ((c = iSRpageWeb.read()) != -1) out.write(c);
 
iSRpageWeb.close();
out.close();

Je regarde sur notepad++, c'est bien un encodage UTF-8 et il y a les accents !!!!

Il est à noter que j'ai fait cela sur PC et pas sur MAC (même remarque que pour le getContentType() donne text/html; charset=utf-8 ).
Mais cela ne devrait pas changer, ou bien ?