Discussion :

[aroua]

bonjour,
je suis entrain de parser un fichier qui contient des informations écrites en français avec ce code:

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
public void ClassInfo(String label){
 
 
		 String pathconceptclass="Z:\\concept\\conceptclassFR.xml";
		 String id;
		 Boolean trouv=false;
		 Boolean trouv2=false;
		 String str1="";
		 String classid;
		int i2=0;
		 int j=0;
		 int i1=0;
		 int i3=0;
      org.w3c.dom.Element racine;
      Document doc;
		 try
		    { 
			 DocumentBuilderFactory factory =DocumentBuilderFactory.newInstance();
			 DocumentBuilder parser = factory.newDocumentBuilder();
			 doc = parser.parse(pathconceptclass); 
		     racine=doc.getDocumentElement();
		     NodeList liste = racine.getElementsByTagName("Patentid");
		     while((i1< liste.getLength()) && (trouv==false)){
		    	org.w3c.dom.Element  e = (org.w3c.dom.Element) liste.item(i1); 
		    	NodeList liste2= e.getElementsByTagName("Classid");
		    	NodeList liste3= e.getElementsByTagName("Classinfo");
		         //System.out.println(liste3.getLength());
		         i2=0;
		         i3=0;
		        while ((i2<liste2.getLength()) && (trouv==false)){
		        	org.w3c.dom.Element  e2 = (org.w3c.dom.Element) liste2.item(i2); 
		        	classid=e2.getTextContent();
		        	StringTokenizer st= new StringTokenizer(classid," ");
		        	classid=st.nextToken();
		        	if(classid.equals(label)){trouv=true;
		        	org.w3c.dom.Element  e3 = (org.w3c.dom.Element)     liste3.item(i3);
		        	System.out.println(e3.getTextContent());}
 
		    	   i3++;
		    	 i2++;
		            }
		          i1++;}
		     }
		 catch(Exception e){System.out.println(" we've got a problem");
			e.printStackTrace ();}
	}

mais ce type d'erreur:

org.xml.sax.SAXParseException: Invalid byte 2 of 3-byte UTF-8 sequence.
at com.sun.org.apache.xerces.internal.parsers.DOMParser.parse(Unknown Source)
at com.sun.org.apache.xerces.internal.jaxp.DocumentBuilderImpl.parse(Unknown Source)
at javax.xml.parsers.DocumentBuilder.parse(Unknown Source)
at test.commande.cluto.ManipManualClass.ClassInfo(ManipManualClass.java:455)
at test.commande.cluto.Exec.AnalysClassCluto(Exec.java:409)
at test.commande.cluto.Exec.main(Exec.java:70)
[Fatal Error] conceptclassFR.xml:8:29: Invalid byte 2 of 3-byte UTF-8 sequence.

alors que je parse avec le même code le même fichier mais avec des informations écrites en anglais.

[adiGuba]

Salut,


Cela m'a tout l'air d'un problème d'encodage, par exemple un fichier en ISO-latin1 mais déclarée comme de l'UTF-8...


a++

[aroua]

c'est l'entête de mon fichier xml:
<?xml version='1.0' encoding='UTF-8'?>

[adiGuba]

Oui mais quel éditeur est-ce que tu utilises pour éditer/créer le fichier ?
Es-tu sûr qu'il utilise bien de l'UTF-8 ?

a++

[aroua]

j'ai pas compris ta question mais je construit le fichier à partir d'un fichier xml qui contient plusieurs informations mais je récupère ce que j'ai besoin et le mettre dans conceptclassFR.xml et avec ce fichier que je parse j'ai le problème.

[adiGuba]

Pour faire plus simple : lorsque tu construis ce fichier est-ce que tu précises son encodage ? Si la réponse est non c'est une encodage par défaut qui est utilisé et ce ne doit pas être de l'utf8, d'où le problème.


Il faut préciser l'encodage du fichier.

a++

[aroua]

non je spécifie pas et je te montre quelque lignes du fichier que je le parse:

Code XML :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
<Patentid id="5,906,821">
<Classid>A61K 39/102(20060101); A61K 039/102(); A61K 039/02(); A61K 039/205(); A01N 037/18()</Classid>
<Classinfo>
Préparations à usage médical, dentaire 
</Classinfo>
</Patentid>

[oca]

Dans l'éditeur "textpad" tu peux par exemple spécifier utf-8 au moment d'enregister le document

A+

[AlambicTalon]

non je spécifie pas et je te montre quelque lignes du fichier que je le parse:
<Patentid id="5,906,821">
<Classid>A61K 39/102(20060101); A61K 039/102(); A61K 039/02(); A61K 039/205(); A01N 037/18()</Classid>
<Classinfo>
Préparations à usage médical, dentaire
</Classinfo>
</Patentid>

Ça ne change rien que tu nous montres le contenu ici. Le point est que le fichier sur ton filesystem est encodé selon une norme quelconque et si cet encodage n'est pas UTF-8, les caractères ne seront pas connus par un lecteur UTF-8 et si c'est l'encodage par défaut, alors tes autres utilitaires que tu prends pour examiner le fichier ne le font pas en UTF-8, en conséquence, ils ne voient aucun problème. Et ce n'est pas parce que tu mets UTF-8 en entête que le fichier se retrouve encodé en UTF-8 pour autant. Bref, il faut que tu t'assures de créer le contenu en UTF-8 au moment de l'écriture. Espérant que c'est plus clair.

[Crashmoufi]

J'ai eu le même problème et le plus simple, si tu ne trouves pas la solution, c'est d'enlever les caractères "spéciaux". Par exemple enlève les "é"...

[laurentibus]

Dans ton editeur tu va sous format ou enregistrer sous le format : et choisit utf8
........ cela n as rien a voir avec la premiere ligne de ton fichier xml ni aucune autre c'est juste le format !!