Discussion :

[kha_yassine]

Salut tout le monde,

j'aimrais faire un logiciel,
- qui lit un fichier qui a comme contenu un texte ecrit en arab,
- qui fait la recherche d'un mot dans ce texte ...

le problème que je rencontre est le codage des caractères arabes (Unicode), et bien sur le sens de leur ecritures.

le logiciel à une interface SWING


donc si quelqu'un a quelque chose sur :

- Le codage des caractères arabe
- La possible de recherché dirrectement un mot ecrit dans un JTextField, dans le fichier ...


Je vous remerci d'avance

[bouye]

Si tu es sous Windows, tu peux tout simplement utiliser la table des caracteres pour connaitre l'encodage des caracteres arabes (attention les valeurs donnees par la table des caracters sont correctes mais leur affichage n'utilise pas la presentation demandee par Java). Une autre astuce si tu dispose d'un clavier arabe ou d'une methode de saisie pour l'arabe est de te creer un editeur en Java et de sauvegarder ton texte saisi en UTF-8 ou UTF-16, cela te permettrai de decouvrir les valeurs d'encodage des caracteres.

Enfin comme l'indique la javadoc de la classe Character, tu peux aller sur http://www.unicode.org/ pour trouver de la documentation et une table listants tous les codes.

Pour le reste rien qui change. Normalement si la Locale ou les options du JTextField sont correctement configures (bidir, etc...); il devrai accepter du texte de droite a gauche sans probleme y compris quand le curseur doit changer de direction (texte contenant a la fois du romain et de l'arabe) et normalement Java est d'ailleurs capable de faire les liaisons correctes entre chaque glyphe (notes : toutes ces infos viennent du bouquin Java2D Graphics de O'Reilly, je ne les ai pas experimente moi-meme, hormis ce qui est donne dans les exemples du livre). C'est a verifier mais il est probable que si du texte arabe est present dans un flux, il devrait apparaitre correctement inverse (droite->gauche au lieu de gauche->droite) a l'ecran.

Pour la recherche, je ne sais pas. Ou du moins disons que si ton fichier est suffisement petit tu peux le charger entierement dans une chaine de caractere et utiliser les regexp pour la recherche. Si le fichier est trop gros, binaire ou un document d'un format particulier, je ne sais pas.

[ng.phung]

salut,

moi aussi j'aimerai faire un logiciel dans le genre, mais la source des données serait un fichier Excel dans lequel il y aurait un mélange de chaînes de caractères arabes et de caractères ascii (8 bits).

pour lire les fichiers excel, j'utilise l'API POI. Jusqu'à présent tout marche bien pour des caractères sur 8 bits (ascii). Mais maintenant je dois passer à la lecture des caractères arabe, et je ne sais pas par où commencer.

j'ignore si l'API POI que j'utilise permet de lire et de reconnaître les caractères arabes. Si il y a des experts de POI, j'aimerais avoir des avis.

Sinon mon logiciel ne nécessite pas l'affichage des caractères arabes, il faut juste que je recupère une chaîne de valeurs hexa représentant la chaîne arabe.

merci pour votre aide

[kha_yassine]

Merci a toi bouye,

- j'ai vu le site de l'UNICODE que vous m'avez donné
Il y a pas mal d'articles à lire

En tout cas il faut lire beaucoup sur le codage des caractères Arabe,
car il y a d'autres choses beaucoup plus compliqué que j'aimrai faire avec cette langue

- Pour le livre que vous m'avez indiqué le nom , ou je peut le trouvé ?

[bouye]

Tu peux le trouver probablement sur Amazon.com et chez l'editeur O'Reilly mais j'ignore s'il existe en version francaise. Cependant ce livre parle principalement de graphisme 2D, ce qui n'est guere trop ton probleme.

Cependant les exemples du livre sont disponibles sur http://examples.oreilly.com/java2d/, tu y trouvera nottament l'exemple BidirectionalText qui affiche une chaine romain+arabe :

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
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
 
import java.awt.*;
import java.awt.event.*;
 
public class ApplicationFrame
    extends Frame {
  public ApplicationFrame() { this("ApplicationFrame v1.0"); }
 
  public ApplicationFrame(String title) {
    super(title);
    createUI();
  }
 
  protected void createUI() {
    setSize(500, 400);
    center();
 
    addWindowListener(new WindowAdapter() {
      public void windowClosing(WindowEvent e) {
        dispose();
        System.exit(0);
      }
    });
  }
 
  public void center() {
    Dimension screenSize = Toolkit.getDefaultToolkit().getScreenSize();
    Dimension frameSize = getSize();
    int x = (screenSize.width - frameSize.width) / 2;
    int y = (screenSize.height - frameSize.height) / 2;
    setLocation(x, y);
  }
}
 
import java.awt.*;
 
public class BidirectionalText {
  public static void main(String[] args) {
    Frame f = new ApplicationFrame("BidirectionalText v1.0") {
      public void paint(Graphics g) {
        Graphics2D g2 = (Graphics2D)g;
        g2.setRenderingHint(RenderingHints.KEY_ANTIALIASING,
            RenderingHints.VALUE_ANTIALIAS_ON);
 
        Font font = new Font("Lucida Sans Regular", Font.PLAIN, 32);
 
        g2.setFont(font);
        g2.drawString("Please \u062e\u0644\u0639 slowly.", 40, 80);
      }
    };
    f.setVisible(true);
  }
}

Alors :

- d'une part tu peux voir le codage de 3 des caracteres arabes. Cela peut te donner une valeur de depart de la plage vers laquelle chercher les caracteres arabes dans la table des characteres ou dans la documentation d'unicode.

- tu peux te rendre compte qu'ils sont correctement dessines de la gauche<-droite alors que les caracteres romains sont correctement dessines de gauche->droite. C'est a dire que le caractere arabe le plus a gauche dans la chaine de texte '\u062e' se retrouve dessine le plus a droite dans le rendu (pour s'en rendre compte c'est facile, il suffit de le supprimer et de comparer les rendu). Tu peux donc en deduire qu'un mot en arabe apparaitra inverse (par rapport a son sens de lecture arabe normal) dans une chaine de charactere java (ex bidon avec des caracters romains : a<-b<-c<-d sera affiche a l'ecran mais la chaine de charactere contiendra en fait d->c->b->a).

- les liaisons entre les caracteres sont correctement rendues (si tu met des espaces entre, les caracteres reprennent leur forme d'origine).

Ensuite, si tu met cette meme chaine dans un TextField ou un JTextField, tu te rendra compte que :

- le curseur se deplace correctement a l'interieur de la chaine arabe, c'est a dire qu'il se deplacera de gauche->droite dans la chaine romaine puis sautera vers le caractere arabe le plus a droite, se deplacera de gauche<-droite jusqu'au caractere le plus a gauche et ensuite reviendra tout a droite de la chaine arabe pour continer avec les derniers caractere romains.

Apres concernant Excel, euh........................... voila je n'ai aucune idee de comment Excel stocke de l'arabe (est-ce inverse comme en Java ?) ni du codage utilise (il te faudra probablement convertir de ce codage vers UTF-8/16).

[kha_yassine]

Merci beaucoup bouye,

ca va beaucoup m'aidé