Discussion :

[yann12345]

Bonjour à tous,

J'ai un problème lors de l'écriture d'une chaîne de caractère générée par mon programme dans un fichier qui doit être au format UTF-8.

Lorsque je fais cela :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
File f = new File("c:/test.xml");
FileOutputStream fos = new FileOutputStream(f);
fos.write("éèà".getBytes("UTF-8"));
fos.close();

pas de problème, j'ai bien un fichier UTF-8 (je l'ouvre avec notepad++ et dans format j'ai "Encoder en UTF-8 (sans BOM)". A propos si quelqu'un peut me dire la différence entre UTF-8 et UTF-8 (sans BOM) je le remercie d'avance.

Par contre lorsque je remplace "éèà" par mon objet String construit dans mon programme, le fichier généré est au format "Encoder en ANSI".

Pour info, le String que je construis est une concaténation d'éléments constants (balises "<balise>", "</balise>", etc..), de saut de ligne ("\n") et de données récupérée d'une base oracle qui n'est pas encodé en UTF-8.
Exemple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
xml.append("<?xml version=\"1.0\" encoding=\"UTF-8\"?>\n");
xml.append("<REFS>\n");
xml.append("<ref_1>");
xml.append(value);
xml.append("</ref_1>").append("\n");
xml.append("</REFS>");

Je vous remercie pour votre aide.

[adiGuba]

Salut,


Déjà deux petites remarques sur ton code :

• Ne pas oublier le try/finally !
• Utilise un Writer plutôt que getBytes() ! C'est fait pour cela

Bref quelque chose comme cela :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
	File f = new File("c:/test.xml");
	Charset charset = Charset.forName("UTF-8");
	Writer writer = new OutputStreamWriter(new FileOutputStream(f), charset);
	try {
		writer.append("éèà");
	} finally {
		writer.close();
	}

Pour ce qui est de l'ANSI, cela correspond en fait à l'encodage Windows-1252 (encodage par défaut de Windows), qui est une extension de l'ISO-8859-1.

Or il se trouve qu'un fichier texte ne comporte QUE des caractères, et aucunes informations quand à son encodage. A la lecture les éditeurs tentent de détecter l'encodage du fichier. Or il se trouve que ces différents encodages peuvent avoir des caractères communs. Ainsi UTF8 et ANSI (et surement beaucoup d'autres encodages) utilise le même code pour les caractères ASCII...


Je suppose que le fichier que tu génères ne possèdent pas de caractères "spéciaux", et qu'il en résulte le même encodage ! Du coup notepad arrive parfaitement à lire le fichier en ANSI et le considère comme tel !



La solution serait justement d'utiliser le BOM : cela consiste tout simplement à insérer en tout début de fichier un meta-caractère ('\uFEFF') qui indique que le fichier est en UTF8.

Attention toutefois car cela pourrait poser des problèmes avec des applications qui ne sont pas prévu pour gérer cela...


a++

[yann12345]

Merci adiGuba pour ton aide très précieuse.

J'ai rajouté le BOM en tout début de fichier et il est bien considéré comme un fichier encodé en UTF-8 par notepad++ mais surtout par l'application qui utilise mon fichier XML.