Parsing en java, caractère spéciaux

Bonjour à vous,

J'espère vraiment que vous aurez une réponse à mon casse tête !

Voila j'ai une classe écrite en Java qui parse un site en HTML, pour parser le site, j'utilise cette bonne vieille bibliotheque Jsoup que je ne remet pas en cause dans l'histoire.

voila la balise :

Code:

---

<span id=".....">developpez &nbsp; ₋ &nbsp;&nbsp;java</span>

---

le &#8331 est un tiret.

je veux trouver celà (l'exemple est fictif) :

Code:

---

developpez - java

---

mais je trouve ça :

Code:

---

developpez ? java

---

Bien à vous
Dumbl

Tu pourrais nous montrer ton code?

Ca ressemble à une histoire d'encoding peut être...

Ce tiret n'est pas un simple -
C'est un caractère littéraire qui n'est pas représentable dans les fichiers texte non-Unicode. Si tu essaies de le faire, ce n'est pas possible, et ça met un ? à la place.

Mais ce problème n'apparaît que quand tu essaies d'écrire dans la console ou dans un fichier. Les String en mémoire, elles, voient bel et bien le tiret comme fourni par JSoup.
À toi de voir donc, si ça te dérange ou pas.

Ce n'est pas un simple tiret, on n'est plus dans le couches bases de l'unicode. C'est le code 0x208B, et il y a fort à parier que, simplement, l'interface que tu utilise pour afficher le résultat ne supporte pas ce charactère.


Après avoir parsé le texte, tu l'affiche comment? Swing? console ? fichier?
Dans les deux derniers cas, quel encodage?

Daccord, le problème est que ce "-" spéciale met utile pour splitter la chaîne de caractère, en faisant juste avec les espace du String, je trouve quelques anomalie du aux sites parsés.
Pour le moment je l'affiche dans la console, mais il sera rentré dans la base de donnée, mais sans le tiret, genre developpez dans un colonne et java dans une autre

Du coup il y a pas de problème. Avant l'affichage dans la console il marche très bien, et puisque tu ne comptes pas le garder au moment d'afficher dans la console...

Citation:

---

Envoyé par dumbl

Daccord, le problème est que ce "-" spéciale met utile

---

Je ne vois pas en quoi le fait qu'il te soit utile soit un problème

Citation:

---

pour splitter la chaîne de caractère,

---

Code:

---

String[] elements = chaine.split("\u208b");

---

Ok merci pour les réponses,

@tchize_ : Pourquoi split("\u208b")?
Enfin comment sais-tu que c'est ça?
J'ai compris que c'est de l'unicode mais comment savoir le code (au cas où un futur autre problème de caractère spécial me pose problème...)

Merci
Dumbl

Citation:

---

Envoyé par dumbl

comment savoir le code

---

C'est toi même qui nous l'as donné :

&#8331

8331 (décimal) ça donne 208b en hexadecimal..... :roll:

Ok génial merci beaucoup !

Je clos le sujet