Discussion :

[Mister_Kp]

Bonjour,

J'ai une question concernant les encodages de caractères en Java.

Dans un webservice, je reçois un flux xml:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 <?xml version="1.0" encoding="ISO-8859-1" standalone="no"?>

Si je parse ce flux (en utilisant l'API JDOM), puis je assumer que Java saura que les caractères sont encodés en ISO-8859-1 ?


Deuxième question,
Si je créer un fichier de cette manière:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

PrintWriter fileWriter = new PrintWriter(new BufferedWriter(new OutputStreamWriter(new FileOutputStream(outputFile),"Cp850")));

Java va t'il automatiquement m'encoder les string récupérées dans le flux précédent, que j'écris dans ce fichier via

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

fileWriter.write(String a)

?

Merci pour vos réponses

[tchize_]

Si je parse ce flux (en utilisant l'API JDOM), puis je assumer que Java saura que les caractères sont encodés en ISO-8859-1 ?

Non, c'est un des paradoxe du format xml. Pour savoir lire le header précisant l'encodage il faut déjà avoir décodé les donnés. donc il faut quand même connaître cette information à l'avance....

Java va t'il automatiquement m'encoder les string récupérées dans le flux précédent, que j'écris dans ce fichier via

C'est le but de l'utilisation d'un writer, encoder les caractères

[Mister_Kp]

Merci pour ta réponse.... qui ne m'arrange pas

Non, c'est un des paradoxe du format xml. Pour savoir lire le header précisant l'encodage il faut déjà avoir décodé les donnés. donc il faut quand même connaître cette information à l'avance....

En fait, je reçois cette réponse suite à une requete Http (via l'API HttpClient):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
HttpGet httpGet = new HttpGet(this.urlService+params);
		ResponseHandler<String> responseHandler = new BasicResponseHandler();
		message = this.httpClient.execute(httpGet,responseHandler);

Du coup, saurais tu comment faire pour indiquer à Java quel encodage employer ?

[tchize_]

http client, c'est quoi, il viens d'ou? Si il te retourne un String, c'est lui qui est responsable du décodage dans ce cas.

[Mister_Kp]

Pardon, manque de précision:

HttpClient, c'est l'API d'Apache pour creer et recevoir des requêtes HTTP.
Dans mon cas: this.httpClient fais référence à: DefaultHttpClient de l'API.

Dans ce cas là, effectivement je recupère une string, mais il y a plusieurs moyen de traiter la réponse du serveur.
En fait il faudrait que je saches si ce BasicReponseHandler tient compte du "Charset" de l'entête Http pour déterminer l'encodage ou pas.

Je vais peut-être allé poser ma question dans le sous forum approprié.

Merci quand même

[thelvin]

Non, c'est un des paradoxe du format xml. Pour savoir lire le header précisant l'encodage il faut déjà avoir décodé les donnés. donc il faut quand même connaître cette information à l'avance....

Euh, non, le paradoxe en question a été largement résolu.
Les parseurs XML, y compris JDOM donc, se débrouillent très bien pour lire un flux d'octets représentant du XML, et repérer la déclaration d'encodage au début de ce flux.

Essayez c'est gagné.

Dans le cas où le charset n'est pas déclaré avec une déclaration de ce type et qu'il n'est pas en UTF-8, alors il devient nécessaire de préciser au parseur quel encodage utiliser (ou de lui passer un Reader au lieu d'un InputStream, le Reader se chargeant d'appliquer le charset.)
Dans ce cas-là, seulement.

[tchize_]

le paradoxe n'est que partiellement résolu. Seul certains encodages sont utilisables. Pour les autres encodages, il faut passer le charset au builder. Par exemple

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
SAXBuilder builder = new SAXBuilder();
            Document doc = builder.build(new File("/tmp/test.xml"));

se cassera les dents sur un fichier en UTF-7:

org.jdom.input.JDOMParseException: Error on line 1 of document file:/tmp/test.xml: Invalid encoding name "UTF-7".
at org.jdom.input.SAXBuilder.build(SAXBuilder.java:530)
at org.jdom.input.SAXBuilder.build(SAXBuilder.java:905)
at org.jdom.input.SAXBuilder.build(SAXBuilder.java:884)

mais

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
            SAXBuilder builder = new SAXBuilder();
            Document doc = builder.build(new InputStreamReader(new FileInputStream("/tmp/test.xml"),"UTF-7"));

le lira sans aucun soucis.

(dans les deux cas, la jvm connais l'UTF-7)

[thelvin]

Hmm... Ma foi oui, pour quelque chose comme l'utf-7 ou d'autres charsets non explicitement gérés par l'autodétection XML et non rétrocompatibles ASCII.

Quoiqu'il en soit, ISO-8859-whatever est rétrocompatible ASCII, et ISO-8859-1 est explicitement listé comme devant être géré. Du moment que la déclaration XML est correcte, les parseurs se débrouillent tous seuls avec ça.

[tchize_]

Hmm... Ma foi oui, pour quelque chose comme l'utf-7 ou d'autres charsets non explicitement gérés par l'autodétection XML et non rétrocompatibles ASCII.

bah seulon les specs xml, utf-7 c'est autorisé , comme tout encodage référencé par l'IANA

Mais il est vrai qu'on reste limité a des codage particulier. La série des ISO, UTF 8/16/32, les charset coréen japonais, cyrilliques etc sont supporté (j'aurais appris un truc aujourd'hui, quand j'avais commencé les api xml il y a longtemps, c'était pas cas )

[thelvin]

Bah, tout ce qui existe et a la capacité intrinsèque de représenter les caractères indispensables à XML, est autorisé, puisque sinon ce serait interdit -_-°. Mais c'est un cas à part reconnu dans l'écosystème XML : pas géré par l'autodétection => obligation d'aider le parseur à l'aide d'autres sources.

Ceci étant, je n'avais même pas pensé à ces cas-là dans ma formulation, donc en effet elle marche pas. Ajouter Du moment que l'encodage n'est pas trop hétéroclite, au début .

[Mister_Kp]

Merci pour toute ces précisions.

Du coup, je me retrouve avec un autre problème:

Je cree un FileWriter de cette façon:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

PrintWriter fileWriter = new PrintWriter(new BufferedWriter(new OutputStreamWriter(new FileOutputStream(outputFile),"Cp850")));

Et j'ai un String contenant une chaine de caractère lu en ISO-8859-1.
Si j'écris:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

fileWriter.write(maStringEnIso)

Cela ne me convertit pas la String en IBM850 (Cp850).
Quand j'affiche le fichier (avec Gedit), les caractère ne sont pas correctement encodé. De même si je met UTF-8. par contre, je met ISO-8859-1, ils apparaissent correctement.

Maintenant, si je veux changer d'encodage, comment dois-je faire ?

[thelvin]

Et j'ai un String contenant une chaine de caractère lu en ISO-8859-1.

Que la chaîne soit lue en ISO-8859-1 n'a aucune importance. Quand on a un String, il n'y a plus de question d'encodage. Un String est un String, les octets d'où il vient, c'est du passé.

Peut-on voir le code qui lit ce String ?

[Mister_Kp]

Oui effectivement, je me suis planté, tout marche bien maitenant.
Merci pour votre aide