java URLDecoder et reparsing String

Bonjour,

Voilà, je parse des logs et recois parfois des incohérences, comme un % entamant un caractère Unicode (au lieu de \).
J'essaie donc de remplacer le % par \ mais le URLDecoder ne fonctionne pas - visiblement - sur un .replace !

Mon code (pas propre mais c'est pour du test !)

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14

String text = "fabricant%20housse%20poly%u00e9thyl%u00e8ne"; // String text = "fabricant%20housse%20poly\u00e9thyl\u00e8ne"; try { String keyword = java.net.URLDecoder.decode(text, "UTF-8"); System.out.println("kw décodé step 1 : " + keyword); } catch (Exception e) { System.out.println("Exception, on continue en remplaçant les %"); try { String keyword = java.net.URLDecoder.decode(text.replace("%u00", "\\u00"), "UTF-8"); System.out.println("kw décodé step 2 : " + keyword); } catch (Exception e1) { } }

---

Et j'obtiens comme résultat :

Code:

---

1 2	Exception, on continue en remplaçant les % kw décodé step 2 : fabricant housse poly\u00e9thyl\u00e8ne

---

J'ai laissé volontairement le text en commentaire car si au lieu d'utiliser celui mal encodé j'utilise celui qui est en commentaires (donc directement au bon format), ça fonctionne correctement ! Je n'arrive pas à comprendre.

En d'autres termes et pour tenter de simplifier :
decode("\u00e9") me donne bien "fabricant housse poly\u00e9thyl\u00e8ne"
decode( "%u00e9" en remplacant le % par \ ) me donne "fabricant housse poly\u00e9thyl\u00e8ne"

Je crois comprendre qu'une fois le replace fait, Java ne considère plus les \ comme des caractères de contrôles, mais je nage un peu !

Merci

--
Laurent

Citation:

---

Envoyé par lolo92

Voilà, je parse des logs et recois parfois des incohérences, comme un % entamant un caractère Unicode (au lieu de \).

---

C'est la manière correcte de le faire dans une URL.

Ce n'est pas java qui a inventé les URLs, ce n'est pas Java qui décide comment on les écrit.

hmm, pour moi la manière correcte c'est effectivement un % mais avec de l'urlencoding derrière (où effectivement un %20 donne un espace, par exemple).

Ceci dit, en l'occurrence c'est une erreur que j'ai : un "é" doit être encodé normalement en %C3%A9.
Il se trouve que dans certains cas j'ai ce "é" en unicode, i.e. \U00E9, ce qui est également correct (moins, mais correct quand même :))

Ici c'est un mix des 2 => j'ai %u00e9 !


Bref, en tout cas mon URLDecoder ne fonctionne pas avec la fonction replace :triste:

Bon je me réponds à moi-même, merci à Nicolas qui m'a bien aidé sur ce coup-là :)

Voici donc une fonction qui ré-unicode des caractères mal unicodés !

Code:

---

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

String unicodify (String input) { StringBuffer output = new StringBuffer(); try { int i, start=0, offset=0; java.util.regex.Pattern p = java.util.regex.Pattern.compile ("%u[a-fA-F0-9]{4}"); java.util.regex.Matcher m = p.matcher (input);   while (m.find()) { start = m.start (); i = Character.digit (input.charAt(start+2), 16) << 12; i |= Character.digit (input.charAt(start+3), 16) << 8; i |= Character.digit (input.charAt(start+4), 16) << 4; i |= Character.digit (input.charAt(start+5), 16);   output.append (input.substring (offset, start) + (char)i); offset = start + 6; } output.append (input.substring (offset)); return new String (output);   } catch (Exception e) { e.printStackTrace(); } return input; }

---

:ccool: