Discussion :

[Bwadrochit]

Bonjour,
je cherche à parser (en c++, sous Windows) un document rdf-xml (encodé en UTF-8) grâce à la librairie Raptor RDF.
Tout se passe bien à l'exception des caractères spéciaux qui me sont renvoyés non-interprétés.
Par exemple si le parser trouve la valeur littérale

blaµbla

, il renvoi une chaîne contenant :

"bla\u00B5bla"

(les doubles quotes ne sont pas une erreur, la chaîne renvoyée est bien entourée par le caractère ' " ').
Je me retrouve donc avec une chaîne correcte, mais non interprétée. En effet si j'écris dans mon code source :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

std::string test("bla\u00B5bla"); printf(test.c_str());

la sortie sera bien :

blaµbla

Pour être bien clair, si je devais reconstruire moi-même la chaîne renvoyée par le parser Raptor, je devrais écrire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 std::string test("\"bla\\u00B5bla\""); printf(test.c_str());

et la sortie serait :

"bla\u00B5bla"

La question est donc : comment réinterpréter les caractères spéciaux dans une chaîne de caractères ?
J'ai pas mal cherché mais je n'arrive à rien, un coup de main me serait vraiment utile ici, merci.

[gabrielS]

Salut,

Je ne sais pas si cela existe dans cette librarie, mais il te faut peut-etre chercher a recuperer le code unicode de ton caractere, puis recuperer le caractere correspondant.

[Médinoc]

Retrouver la valeur, ça ne semble pas bien compliqué: Les séquences d'échappement en \u ont l'avantage d'avoir une longueur fixe de 4 chiffres hexadécimaux, c'est assez facile à interpréter.

Là, ou ça peut devenir compliqué, c'est que le document UTF-8 supporte (au moins) tous les caractères du Basic Multilingual Plane), et ta std::string utilise des caractères "minces".
Tu vas donc devoir agir différemment selon l'encodage que tu veux lui donner:

• Si elle doit être en UTF-8, tu devras décomposer les code points supérieurs à 127 obtenu en deux char ou plus.
• Si elle doit être en ISO 8859-1, tu vas devoir refuser/ignorer/remplacer les code points supérieurs à 255.
• Si elle doit être dans un encodage ASCII étendu autre que ISO 8859-1 (Par exemple Windows CP1252, l'encodage par défaut de Windows en Occident), que faire? Tu n'as aucun moyen simple de savoir si un code point est supporté par ledit encodage... (mais tu as des moyens compliqués, comme utiliser une bibliothèque ou les fonctions de l'API Win32)