Discussion :

[Shuret]

:hello:

J'ai un problème de parsing avec Sax : je ne sais pas trop pourquoi mais il arrive (très rarement) que certaines données soient tronquées.

Voici un bout de fichier XML que je parse :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
  <doCaptureRequest date="20090323 19:02:44" sequence="2033">
    <payment>
      <message>WEB</message>
      <language>FR</language>
      <order_date>20090323</order_date>
    </payment>
  </doCaptureRequest>

Ici, il me récupère mal la valeur de order_date : en fait il y a un décalage des offsets dans la méthode characters de l'implémentation du ContentHandler :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
public void characters(char[] ch, int start, int end) throws SAXException {
		String data = (new String(ch, start, end)).trim();

S'il y a beaucoup de données à traiter, il se plante (toujours au même endroit). En pratique, il va tronquer le order_date précédent (identique, donc 2009032 au lieu de 20090323) et mettre le reste dans le order_date courant (soit "3"). Le fichier XML est correct, si je mets les lignes incriminées à un autre endroit du fichier, ça passe.

De quoi ça peut venir ? Comment résoudre ce problème, car là j'ai pu voir l'erreur car je parse la date avec un SimpleDateFormat, mais dans le cas de données textuelles, je ne pourrai même pas savoir si elles sont correctes...

Merci de votre aide !

[bugsan]

c'est parce que plusieurs évènements "Characters" peuvent se suivre.

Je pense que le parser envoies 2 évènements à la suite.

En pratique tu devrais concaténer chaque groupe de caractères et traiter lors d'un EndElement

void characters(char[] ch,
int start,
int length)
throws SAXException

Receive notification of character data.

The Parser will call this method to report each chunk of character data. SAX parsers may return all contiguous character data in a single chunk, or they may split it into several chunks; however, all of the characters in any single event must come from the same external entity so that the Locator provides useful information.

[Shuret]

Oui mais pourquoi, dans mon fichier qui comporte plusieurs centaines d'enregistrements, il splitte à un certain endroit et pas ailleurs ? D'autant que cette date n'a absolument rien de particulier, il y a beaucoup d'autres enregs avec la même date. J'ai l'impression que ça vient d'un dépassement de capacité des entiers (étonnant car j'ai pas 4 milliards de caractères dans mon fichier), mais comme si à un moment ça fait trop et il tronque.

Comment être sûr d'avoir la chaine complète ? Je vois pas trop comment concaténer dans la méthode EndElement.

[Shuret]

Bon alors, autant pour moi, il suffisait d'augmenter le buffer lors de l'instanciation du parser. Y'a des fois je me complique vraiment la vie

[bugsan]

Ca ne change rien, tu reportes le problème sur un enregistrement un peu + loin.

[Shuret]

Oui, effectivement. Je pensais que le buffer était sous-dimensionné et que ça résoudrait le problème, mais l'erreur vient de se reproduire. Je vais essayer de valuer mes champs dans le endElement.