Encodage de String

Bonjour

J'ai un petit soucis:
J'ai un ficher que je parse et le transforme. Au départ j'ai des mot avec des accents du style "année" et après mon parsage lorsque je réécris je me retrouve avec "ann?e".
J'ai lu que les string et char étaient tous codés en UTF-16 comment transformé cela dans la bonne forme?

Merci d'avance :ccool:

Quand vous lisez le fichier: lisez le avec le bon encodage. Les apis des Readers en java fournissent toujours un constructeur permettant de préciser l'encodage, il est recommandé de l'utiliser.

Même chose quand vous écrivez, précisez l'encodage au Writer.

Une attention toute particulière à porter à l'encodage si tes fichiers ne sont pas écrits par ton programme mais viennent d'une source externe.
-> source de beaucoup d'erreurs.

Si tu édite toi-même des fichiers au notepad (fichiers de conf ou autres), vérifie bien l'encodage lorsque tu enregistres.

Merci de vos réponses super rapide :ccool:

Mais j'ai pas compris vos explications (je suis vraiment nul dans ce domaine j'ai jamais compris pourquoi il existe autant de format différents :cfou: )

En faite ce qu'il se passe dans mon implémentation:

Code:

---

1 2 3 4 5 6 7 8

fis = new FileInputStream(file); fc = fis.getChannel(); size = (int) fc.size(); bBuff = ByteBuffer.allocate(size);   fc.read(bBuff); bBuff.flip();

---

Et ensuite je lis byte par byte en les transformant en char :

Code:

---

1 2 3

boucle if stringBuffer.append(Character.toLowerCase((char) bBuff.get(i)));

---

Et c'est a partir de là que j'ai mes "?" je pense qu'a partir de là c'est trop tard pour re-encoder et qu'il faut agir dès que je manipule mon bytebuffer et mon channel mais je ne sais pas comment m'y prendre

Salut,


Le peu de code que tu donnes fait un peu peur...

Tu pourrais donner un peu plus de code et expliquer ce que tu fais, et ce que tu veux obtenir au final.


a++

Il y a vraiment besoin d'utiliser les channels ?

Un new InputStreamReader(new FileInputStream(file), "iso-8859-1") serait nettement plus simple.

Citation:

---

Envoyé par adiGuba

Le peu de code que tu donnes fait un peu peur...

---

LoL pourquoi??? :oops: j'oublie pas de close les flux hein :aie:

Je vais test avec le inputStreamReader et je vous tiens au jus

Citation:

---

Envoyé par kululu

LoL pourquoi??? :oops: j'oublie pas de close les flux hein :aie:

---

On ne convertit pas des octets en caractères avec un simple cast. On utilise un charset. (Ne serait-ce que parce qu'un caractère peut très bien faire plusieurs octets, et dans des cas plus rares un octet plusieurs caractères.)

Citation:

---

Envoyé par thelvin

On ne convertit pas des octets en caractères avec un simple cast. On utilise un charset. (Ne serait-ce que parce qu'un caractère peut très bien faire plusieurs octets, et dans des cas plus rares un octet plusieurs caractères.)

---

Il me semblait que les char étaient codés sur minimum un octet :calim2:

Je viens d'inventer, sur mon cahier de prises de notes, l'encoding utf-4.
Il fonctionne par unités logiques de 4 bits, donc un demi-octet. Dans les (quelques) cas les plus favorables, ça fait deux caractères par octets.

De ce que j'en ai vu, les APIs Java peuvent parfaitement gérer ça. Je m'amuserai donc à l'implémenter un jour.
(En fait, je suis à peu près sûr d'avoir vu des encodages qui produisent en moyenne 1.2 caractère par octet quand on regarde que les parties les plus productives de leurs flux. Mais pas moyen de les retrouver.)

Comment dois-je procéder pour récupérer tableau ou List ou Buffer de char avec le InputStreamReader(new FileInputStream(file), "iso-8859-1") ???

Mon implémentation récupère un fichier ou il y a du texte il récupère les mot byte par byte (pour optimiser un peu) pour obtenir des char ensuite je stringbufferize selon un algo type Lex Yacc (avec des délimiteurs particulier)

Ex:
j'ai la liste de char suivante

t,o,t,o,(,x,1,0,)

Je vais me retrouver avec 3 string toto , (x10 , )
Voila

mon code maintenant

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

try { int size; ByteBuffer bBuff;   fis = new FileInputStream(file); fc = fis.getChannel(); size = (int) fc.size(); bBuff = ByteBuffer.allocate(size); CharBuffer cbuf = CharBuffer.allocate(size);   fc.read(bBuff); bBuff.flip();   MonParseur ly = IModuleFactory.applifact.MonParseur(bBuff, size,this.file.getName()); fis.close(); fc.close(); } catch (FileNotFoundException e) { } catch (IOException e) { }

---

La première chose que fait MonParseur et de convertir mon buffer de byte en string

Code:

---

1 2 3 4 5 6

for (int i = 0; i < size; i++) {   sBuffer.append(Character.toLowerCase((char) bBuff.get(i))); } }

---

J'ai été assez clair? :)

Une manière serait de construire un StringBuilder, d'y mettre tous les caractères lus avec le Reader, et de faire un toString() quand on a terminé le Reader, pour transformer le tout en String.

Code:

---

1 2 3 4 5 6 7

reader r = new InputStreamReader(source,"UTF-8"); // (utiliser le bon encodage ;) ) char[] buffer = new char[512]; int read = 0; StringBuilder builder = new StringBuilder(fichier.size()); // pour avoir éviter les réallocations couteuses while ( (read=reader.read(buffer))!=-1) builder.append(buffer,0,read); String texte = builder.toString();

---

@kululu : et j'avais bien raison... malheureusement !

• Déjà tes variables sont déclarés ont ne sait où ! En règle général il est préférables de déclarer les variables locales lors de leurs premières utilisation, afin d'éviter d'augmenter inutilement leurs scopes.
  :arrow: On ne fait pas du C inutile de tout déclarer en début de méthode.
• Deuxièmement tu parles de lire du texte, mais tu passes par des Channels ! Ou comment se compliquer la vie pour rien.
• Les catch vides dont affreux !
• Enfin ta conversion byte -> char est complètement incorrect !

Enfin tu parles d'optimisations... mais non seulement c'est prématuré (on ne doit penser à optimiser qu'une fois qu'on a déceler l'origine du problème de perf), mais je suis persuadé que ton code est moins performant que le code "basique" de tchize_



@tchize_ : il manque juste le try/finally pour la libération des ressources... :D


a++

ça à pas marché tchize_

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

try { fis = new FileInputStream(file); Reader r = new InputStreamReader(fis,"UTF-8"); // (utiliser le bon encodage ;) ) char[] buffer = new char[512]; int read = 0; StringBuilder builder = new StringBuilder((int) this.file.length()); // pour avoir éviter les réallocations couteuses   while ( (read=r.read(buffer))!=-1){ builder.append(buffer,0,read); String texte = builder.toString(); System.out.println(texte.toString()); } } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); }

---

Il me met toujours des ?? à la places des é


Edit:
@adiGuba oui les catch vide j'avoue :p et pour les byte et les channel je m'en rends compte maintenant que c'est un peu la galère...

Comme le dit mon commentaire:

// (utiliser le bon encodage ;) )

Autant pour moi tchize_ :oops:

Je reviens à la charge désolé

J'ai un autre soucis, donc mon programme me génère plusieurs fichier xml pour éviter de remettre la main dans la cambouis et modifier mon impélmentation j'ai créé une classe qui me permettrai de fusionner tous ces fichiers générés. Devinez quoi les problèmes d'encodages sont revenus :cry:. Je m'en sors vraiment pas avec les manipulations de flux et de charset :mur:

voici mon bout de code

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

public void fusion(String destFile,LinkedList<String> sourceFiles) throws IOException { File file = new File(destFile); FileOutputStream fos = new FileOutputStream(file); OutputStreamWriter out = new OutputStreamWriter(fos,"ISO-8859-1"); try { char[] buf = new char[8192]; int read = 0;   for (String filename : sourceFiles) { InputStream in = new FileInputStream(filename); Reader r = new InputStreamReader(in,"ISO-8859-1"); try {   while ((read = r.read(buf)) != -1) { out.write(buf, 0, read); } } finally { in.close(); } }   } finally { out.close(); } }

---

Pourquoi cela ne marche t-il pas?
Merci d'avance :merci:

Ceci devrait fonctionner... à condition que tes fichiers soient bien encodé en "ISO-8859-1" !



Maintenant, pour simplement fusionner des fichiers te te contrefous complètement de leurs encodages : il suffit de faire une fusion binaire !



a++

Je ne suis pas d'accord avec toi adiGuba.
Pour deux raisons :

- La fusion de deux xml ne se résume pas à une concaténation. Si tu dois lire le contenu avant de le fusionner, alors tu retombes dans la problématique d'encodage.
- Si tu juxtapose, en binaire, 2 caractères dans des encodages différents, l'un des deux sera mal lu à la relecture du fichier résultat : la lecture est encore dépendante de l'encodage.

à discuter.