Discussion :

[CGS63]

Bonjour,

Après avoir effectuer de nombreuses recherches sur le sujet, je me suis inscrit sur ce forum pour demander votre aide.
Mon besoin est le suivant : Convertir un fichier Unicode vers un format classique Ascii, effectuer des modification sur le fichier et finalement, reconvertir le fichier Ascii vers un format Unicode.

Actuellement je le fais avec un VBS, malheureusement, pour des soucis d'optimisation de temps (je travail sur des fichiers très lourds) je souhaitais l'écrire en langage compilé.

Les quelques propositions sur internet, autour de ce sujet, ne m'ont pas permis d'aboutir à un résultat viable. Peut-etre ai-je mal adapté les codes fournis ... même l'aide de Microsoft sur le sujet n'a pas pu m'aider.

Le codage en C++ n'est pas une fin en soit pour le développement mais serait un plus pour la suite de mon programme.

Merci d'avance, en espérant que vous pourrez m'aider à résoudre mon problème.

Cordialement.

[Médinoc]

Une des questions à garder à l'esprit, c'est: Quelle est la consigne quant aux caractères qui ne sont pas dans l'ASCII? Les jeter? Les remplacer par un caractère spécial, toujours le même (souvent un point ou point d'interrogation) ? Tenter d'y substituer des caractères proches (ex: transformer é en e) ?
À différents besoins correspondent différentes possibilités, et certaines options sont plus faciles que d'autres.

Edit: Autre question: Quel format Unicode? Sans autre information, je subodore que tu parles d'UCS-2 ou UTF-16? En gros, caractères sur 16 bits, probablement en little-endian?

[CGS63]

Bonjour,

Tout d'abord, merci pour votre réponse rapide.

En effet, il s'agit "probablement" de little-endian (la conversion est "propre" via notepad++).
A priori, il n'y a pas d'accent dans le fichier. S'il y-en a c'est a l'utilisateur de le corriger et non pas au programme.

Cordialement.

[Médinoc]

Dans ce cas, tu peux directement faire de la lecture binaire vers un tableau de unsigned short, copier en castant vers un tableau de char (en crachant une erreur pour toute valeur non-comprise entre 0 et 127 inclus), puis faire ton boulot dessus.

Pour ne pas charger tout le fichier UCS-2 en mémoire, il peut être une bonne idée de faire la lecture avec une boucle, et utiliser un buffer de unsigned short relativement petit par rapport à la vraie destination.


Et pour réécrire le fichier, faire la même chose en sens inverse: Remplir le buffer de unsigned short en castant, puis écriture binaire.

[CGS63]

Bonjour,

Je pense avoir compris la méthode pour le passage Unicode -> Ascii. Identifier les caractère du fichier par leur identifiant binaire et garder ceux inférieurs à 127.
Il s'agit donc de supprimer des caractères, en revanche pour le passage vers l'Unicode, il va falloir ajouter de nouveaux caractères et auquel cas lesquels ?

Merci pour votre aide, cordialement.

EDIT : N'existe t'il pas des fonctions déjà toutes faites en chargeant une certaine librairie sinon ?

[Médinoc]

Pour convertir de l'ASCII vers l'UTF-16, il n'y a rien à ajouter, à moins que tu veuilles trouver un moyen de "restaurer" les caractères qui avaient été supprimés lors de la conversion vers ASCII (bonne chance). Pour convertir de l'ASCII vers l'UTF-16, il suffit de caster chaque char en unsigned short: tous les codes ASCII (0-127) sont des codes UTF-16 valides.

---

Il y a déjà des fonctions en effet: Certaines en C standard (mais pas vraiment spécifiques à ASCII et UTF-16), et d'autres dans l'API Windows: MultiByteToWideChar() convertit vers l'UTF-16, et WideCharToMultiByte() convertit depuis l'UTF-16 vers divers encodages, dont ASCII pur (Page de codes 20127) (et en plus, à moins que tu passes un flag pour le refuser, elles font la substitution pour les caractères qui n'existent pas dans l'encodage de destination (ici, les caractères non-ASCII).