Enregistrer du texte sous une forme particulière

Bonjour,
voilà ce que je cherche.
Je travaille avec C++ Builder XE 6;
J'ai écrit un programme me permettant de mettre sous une forme "lisible" le calendrier de Google (Googel Calendar).
A la fin du programme j'enregistre le texte, qui est dans une TStringList.
J'utilise Fichier->SaveToFile(NomDuFichie.txt).

J'ai constaté que tous les caractères accentués étaient codé avec 4 octets, par exemple ê est enregistré C3AA.
Les autres caractères sont enregistrés avec 2 octets.
Le caractère ê pourrait également être enregistré avec 2 octets : EA.

Que faudrait-il faire lors de l'enregistrement SaveToFile pour obtenir ce résultat ?

Merci de votre aide.

Par "C3AA" du veux dire littéralement 'C', '3', 'A', 'A' (quatre octets, 0x43234141) ou 0xC3AA (deux octets) ?

0xC3AA est l'encodage UTF-8 de U+00EA, le code du 'ê' dans Unicode.

Il s'agit bien de 4 octets.
J'ai essayé l'option

Code:

---

SaveToFile(usNom, Encoding->ANSI);

---

Cela n'a pas suffit.

J'ai trouvé une solution, peut-être pas très élégante, mais elle me suffit.
Pour ceux que cela pourrait intéresser :

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

UnicodeString ReparerLibelle(UnicodeString usLigne) { const UnicodeString usC3 = "Ã"; int longueur, i; if(usLigne.Pos(usC3) < 1) return usLigne; longueur = usLigne.Length(); i = 1; while(i <= longueur) { UnicodeString usCar = UnicodeString(usLigne[i]); if(usCar == usC3) { usLigne.Delete(i, 1); longueur--; UnicodeString usCaractere = usLigne.SubString(i, 1); wchar_t* wcar = usCaractere.w_str(); *wcar = *wcar + 64; usLigne[i] = *wcar; } i++; } return usLigne; } //---------------------------------------------------------------------------

---

C'est basé sur le fait que les caractères codés sur 4 octets commencent tours par le même caractère codé sur 2 octets,
le caractère suivant est transformé dans le caractère qui aurait du être codé sur 2 octets.
Le premier des 2 caractères est à (C3) le suivant est de la forme AX ou BX, par exemple C3 A9 pour le caractère é. Son codage sur 2 octets est E9.
E9 - A9 = 64.

Citation:

---

Envoyé par Pasqualini

Il s'agit bien de 4 octets.
J'ai essayé l'option

Code:

---

SaveToFile(usNom, Encoding->ANSI);

---

Cela n'a pas suffit.

---

Je ne comprends pourquoi ici mon encodgae semble fonctionner.

Le code que j'ai mis dans le constructeur:

Code:

---

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

TStringList* Fichier = new TStringList(); if(Fichier->Encoding == NULL) { Fichier->Add("Default Encoding: " + Fichier->DefaultEncoding->EncodingName); } else { Fichier->Add("Encoding: " + Fichier->Encoding->EncodingName); } Fichier->Add("Fête"); Fichier->SaveToFile("c:\\temp.txt", TEncoding::ANSI); delete Fichier;

---

Le résultat obtenu avec TEncoding::ANSI:

00000000h: 44 65 66 61 75 6C 74 20 45 6E 63 6F 64 69 6E 67 ; Default Encoding
00000010h: 3A 20 31 32 35 32 20 20 28 41 4E 53 49 20 2D 20 ; : 1252  (ANSI -
00000020h: 6C 61 74 69 6E 20 49 29 0D 0A 46 EA 74 65 0D 0A ; latin I)..Fête..

Lorsque j'utilise TEncoding::Unicode:

00000000h: FF FE 44 00 65 00 66 00 61 00 75 00 6C 00 74 00 ; ÿþD.e.f.a.u.l.t.
00000010h: 20 00 45 00 6E 00 63 00 6F 00 64 00 69 00 6E 00 ;  .E.n.c.o.d.i.n.
00000020h: 67 00 3A 00 20 00 31 00 32 00 35 00 32 00 20 00 ; g.:. .1.2.5.2. .
00000030h: 20 00 28 00 41 00 4E 00 53 00 49 00 20 00 2D 00 ;  .(.A.N.S.I. .-.
00000040h: 20 00 6C 00 61 00 74 00 69 00 6E 00 20 00 49 00 ;  .l.a.t.i.n. .I.
00000050h: 29 00 0D 00 0A 00 46 00 EA 00 74 00 65 00 0D 00 ; ).....F.ê.t.e...
00000060h: 0A 00                                           ; ..

Seulement quand je met TEncoding::UTF8 alors j'ai la même chose que toi:

00000000h: EF BB BF 44 65 66 61 75 6C 74 20 45 6E 63 6F 64 ; Default Encod
00000010h: 69 6E 67 3A 20 31 32 35 32 20 20 28 41 4E 53 49 ; ing: 1252  (ANSI
00000020h: 20 2D 20 6C 61 74 69 6E 20 49 29 0D 0A 46 C3 AA ;  - latin I)..Fê
00000030h: 74 65 0D 0A                                     ; te..

Ça, c'est sur deux octets, comme c'est censé l'être.
Pasqualini se plaint que chez lui il obtient quatre octets à la place, comme si l'encodage était converti en hexadécimal lors de l'enregistrement:

Citation:

---

Envoyé par Médinoc

Par "C3AA" du veux dire littéralement 'C', '3', 'A', 'A' (quatre octets, 0x43234141) ou 0xC3AA (deux octets) ?

---

Citation:

---

Envoyé par Pasqualini

Il s'agit bien de 4 octets.

---

Lorsque j'écris moi-même du texte, par exemple "fête de noël" et que je l'enregistre
L’enregistrement se fait pour chaque caractère sur 2 octets.
Le problème venait du fait que le fichier qui était enregistré était un fichier créé par Google,
le fichier basic.ics, le fichier renfermant tous les enregistrements du Google Calendar.

Dans mon exemple plus haut j'ai ajouter en premier un LoadFromFile d'un fichier UTF-8 et voici ce que j’obtiens avec TEncoding::ANSI:

00000000h: 46 69 6C 65 0D 0A 45 6E 63 6F 64 69 6E 67 3A 20 ; File..Encoding: 
00000010h: 36 35 30 30 31 20 28 55 54 46 2D 38 29 0D 0A 46 ; 65001 (UTF-8)..F
00000020h: EA 74 65 0D 0A                                  ; ête..

On peut voir que maintenant l'Encoding est à UTF-8 quand on charge le fichier. Contrairement à NULL dans mon code précédent (ce qui forçait l'utilisation de DefaultEncoding). Par contre, le résultat est le même avec TEncoding::ANSI.

Je ne comprend pas d'où peux venir tes différences!

@Pasqualini: pourrais-tu poster un dump hexascii de ce que tu obtenais?

Je vais essayer.

Voilà, ci-après un court extrait du fichier.
Je n'ai pas compris comment mettre un fichier en pièce jointe.

20020202,"11:30","12:30","nn:nn","Crêpes","Y"
20020205,"14:00","16:30","nn:nn","La théorie V-A des interactions faibles, modèle de Fermi","Y"
20020207,"14:00","16:00","nn:nn","La matière Ã* la naissance de l'univers !","Y"
20020212,"11:30","12:30","nn:nn","Crêpes","Y"
20020220,"14:00","15:00","nn:nn","Tricot...","Y"
20020226,"14:00","16:30","nn:nn","Désintégrations et interactions faibles","Y"
20020301,"14:00","16:00","nn:nn","ESRF, la lumière explore","Y"
20020305,"14:00","16:30","nn:nn","Etats, repères, observables, transformations","Y"
20020310,"12:00","17:00","nn:nn","Anniversaire Mélanie","Y"
20020312,"14:00","16:30","nn:nn","Groupes, algèbres, symétries de jauge","Y"
20020319,"14:00","16:30","nn:nn","Invariance de jauge dans l'électromagnétisme classique","Y"

Je pensais plutôt à un truc du genre: http://www.fileformat.info/tool/hexdump.htm

Le fichier peut être trouvé ici :
http://dl.free.fr/hig2Zj3fN

Marche pas.

Citation:

---

Envoyé par Médinoc

Marche pas.

---

@Médinoc, voici le début:

0000-0010:  32 30 30 32-30 32 30 32-2c 22 31 31-3a 33 30 22  20020202 ,"11:30"
0000-0020:  2c 22 31 32-3a 33 30 22-2c 22 6e 6e-3a 6e 6e 22  ,"12:30" ,"nn:nn"
0000-0030:  2c 22 43 72-c3 aa 70 65-73 22 2c 22-59 22 0d 0a  ,"Cr..pe s","Y"..
0000-0040:  32 30 30 32-30 32 30 35-2c 22 31 34-3a 30 30 22  20020205 ,"14:00"
0000-0050:  2c 22 31 36-3a 33 30 22-2c 22 6e 6e-3a 6e 6e 22  ,"16:30" ,"nn:nn"
0000-0060:  2c 22 4c 61-20 74 68 c3-a9 6f 72 69-65 20 56 2d  ,"La.th. .orie.V-
0000-0070:  41 20 20 64-65 73 20 69-6e 74 65 72-61 63 74 69  A..des.i nteracti
0000-0080:  6f 6e 73 20-66 61 69 62-6c 65 73 2c-20 6d 6f 64  ons.faib les,.mod
0000-0090:  c3 a8 6c 65-20 64 65 20-46 65 72 6d-69 22 2c 22  ..le.de. Fermi","
0000-00a0:  59 22 0d 0a-32 30 30 32-30 32 30 37-2c 22 31 34  Y"..2002 0207,"14

@Pasqualini, ton fichier a été généré avec le paramètre TEncoding::ANSI?:

Code:

---

Fichier->SaveToFile("c:\\temp.txt", TEncoding::ANSI);

---

Hé ben, c'est de l'UTF-8 correct!

@Pasqualini, pourquoi t'es-tu plaint que c'était sur quatre octets? C'est bien sur deux! ê -> 0xC3AA -> Deux octets!

C'est exact. Les autres caractères sont sur un seul octet.

Ben oui, c'est ça l'UTF-8.
Quel est le problème exactement?
Tu veux du Windows-1252 à la place? (tout sur un octet, mais certains caractères passent à la trappe)

PS: Et pourquoi disais-tu "quatre octets"?

Je n'ai pas l'impression que les caractères que nous utilisons normalement passent à la trappe avec un seul octets.

Pourquoi disais-je 4 octets ?
Aujourd'hui, je me le demande.
Alors que sur l'affichage hexadécimal que j'ai l'habitude d'utiliser, celui qui est fourni par UlraEdit, il était évident que le codage était sur 2 octets pour les caractères accentués.
J'ai fait l'erreur au début, ensuite c'est comme quand on vérifie un calcul dans lequel on a écrit 3*3 = 6. On peut le vérifier, le revérifier et on ne détecte pas l'erreur.
C'est d'ailleurs la raison pour laquelle en assurance qualité, il est demandé de faire vérifier par une personne qui n'a pas réalisé le travail, dessin ou calcul.

C'est ce que je cherchait, c'est bien d'avoir tout sur un octet, et je n'ai pas trouvé;

Merci de votre patience.

Citation:

---

Envoyé par Pasqualini

C'est ce que je cherchait, c'est bien d'avoir tout sur un octet, et je n'ai pas trouvé;

---

Ton fichier a été généré avec le paramètre TEncoding::ANSI?:

Code:

---

Fichier->SaveToFile("c:\\temp.txt", TEncoding::ANSI);

---

Jusqu'à maintenant tu n'as pas montré de code. C'est très difficile de dire d'où proviens le problème.

Voilà ce que j'avais essayé

Code:

---

1 2	TEncoding *Encoding; slSdf->SaveToFile(SaveTextFileDialog1->FileName, Encoding->ANSI);

---

Cela n'avait pas donné ce que j'espérais.

L'origine de ma demande était la suivante.
Pour imprimer un calendrier, j'utilise un programme que j'ai écrit il y a déjà un certain nombre d'années (1998).
A l'impression de ces caractères trouvés sur le Google Calendar, les caractères accentués apparaissaient sous la forme de 2 caractères.

Pour ce qui me concerne, ma solution actuelle est suffisante, mais je pense que je ferais bien d'actualiser mon programme d'impression.

J'avais essayé :

Code:

---

1 2	TEncoding *Encoding; slSdf->SaveToFile(SaveTextFileDialog1->FileName, Encoding->ANSI);

---

Cela n'avais pas donné ce que j'espérais.

Ma demande est venu du fait que pour imprimer différents calendriers, j'utilise un programme que j'ai écrit il y a déjà un "certain nombre" d'années (1998).
A l'impression les caractères accentués venant du Google Calendar apparaissaient sous la forme de 2 lettres.

La solution que j'ai appliquée me donne satisfaction pour le moment, mais je pen,se que je devrais actualiser mon programme d'impression.

Citation:

---

Envoyé par Pasqualini

Code:

---

1 2	TEncoding *Encoding; slSdf->SaveToFile(SaveTextFileDialog1->FileName, Encoding->ANSI);

---

Cela n'avais pas donné ce que j'espérais.

---

Ton code semble dangereux, tu utilises un pointeur non initialisé. La propriété ANSI est static:

Code:

---

/* static */ __property TEncoding* ANSI = {read=GetANSI};

---

Tu dois l'utiliser comme ceci:

Code:

---

slSdf->SaveToFile(SaveTextFileDialog1->FileName, TEncoding::ANSI);

---

Merci, je vais essayer.

J'ai essayé :

Code:

---

1 2	slSdf->SaveToFile(SaveTextFileDialog1->FileName, TEncoding::ANSI);

---

Je n'ai pas obtenu le résultat escompté.

Qu'est-ce que ça te donne? (poste un extrait du dump retourné par le site web que j'ai posté, http://www.fileformat.info/tool/hexdump.htm)

Voilà un extrait. On peut y voir les lettres accentuées ê et é

0000-0010:  32 30 30 32-30 32 30 32-2c 22 31 31-3a 33 30 22  20020202 ,"11:30"
0000-0020:  2c 22 31 32-3a 33 30 22-2c 22 6e 6e-3a 6e 6e 22  ,"12:30" ,"nn:nn"
0000-0030:  2c 22 43 72-c3 aa 70 65-73 22 2c 22-59 22 0d 0a  ,"Cr..pe s","Y"..
0000-0040:  32 30 30 32-30 32 30 35-2c 22 31 34-3a 30 30 22  20020205 ,"14:00"
0000-0050:  2c 22 31 36-3a 33 30 22-2c 22 6e 6e-3a 6e 6e 22  ,"16:30" ,"nn:nn"
0000-0060:  2c 22 4c 61-20 74 68 c3-a9 6f 72 69-65 20 56 2d  ,"La.th. .orie.V-
0000-0070:  41 20 20 64-65 73 20 69-6e 74 65 72-61 63 74 69  A..des.i nteracti
0000-0080:  6f 6e 73 20-66 61 69 62-6c 65 73 2c-20 6d 6f 64  ons.faib les,.mod
0000-0090:  c3 a8 6c 65-20 64 65 20-46 65 72 6d-69 22 2c 22  ..le.de. Fermi","
0000-00a0:  59 22 0d 0a-32 30 30 32-30 32 30 36-2c 22 31 34  Y"..2002 0206,"14
0000-00b0:  3a 30 30 22-2c 22 31 34-3a 33 30 22-2c 22 6e 6e  :00","14 :30","nn
0000-00c0:  3a 6e 6e 22-2c 22 54 72-69 63 6f 74-22 2c 22 59  :nn","Tr icot","Y
0000-00d0:  22 0d 0a 32-30 30 32 30-32 30 36 2c-22 31 35 3a  "..20020 206,"15:
0000-00e0:  30 30 22 2c-22 31 36 3a-30 30 22 2c-22 6e 6e 3a  00","16: 00","nn:
0000-00f0:  6e 6e 22 2c-22 54 72 6f-63 22 2c 22-59 22 0d 0a  nn","Tro c","Y"..
0000-0100:  32 30 30 32-30 32 30 37-2c 22 31 30-3a 30 30 22  20020207 ,"10:00"
0000-0110:  2c 22 31 31-3a 30 30 22-2c 22 6e 6e-3a 6e 6e 22  ,"11:00" ,"nn:nn"
0000-0120:  2c 22 52 65-6e 64 72 65-20 6c 69 76-72 65 73 22  ,"Rendre .livres"
0000-0130:  2c 22 59 22-0d 0a 32 30-30 32 30 32-30 37 2c 22  ,"Y"..20 020207,"
0000-0140:  31 34 3a 30-30 22 2c 22-31 36 3a 30-30 22 2c 22  14:00"," 16:00","
0000-0150:  6e 6e 3a 6e-6e 22 2c 22-4c 61 20 6d-61 74 69 c3  nn:nn"," La.mati.
0000-0160:  a8 72 65 20-c3 a0 20 6c-61 20 6e 61-69 73 73 61  .re....l a.naissa
0000-0170:  6e 63 65 20-64 65 20 6c-27 75 6e 69-76 65 72 73  nce.de.l 'univers
0000-0180:  20 21 22 2c-22 59 22 0d-0a 32 30 30-32 30 32 30  .!","Y". .2002020

En effet, bien que tu aies demandé du Windows-1252, ça a quand même enregistré le contenu en UTF-8.

Sous quel format les données sont-elles stockées en mémoire dans l'object slSdf, en fait?


PS: Tu devrais utiliser la balise [ CODE ] pour le dump, ça préservera l'alignement.

Je récupère d'abort le fichier "basic.ics" généré par Google Calendar, que je charge avec un TStringList.
Les données sont traitées avec des UnicodeString.
C'est-à-dire que j'extrais ce qui m'intéresse.
Pour chaque jour de l'agenda, les données extraites du "basic.ics" sont enregistrées dans un UnicodeString qui est ajouté dans un TStringList (slSdf).
C'est ce TStringList qui est enregistré avec

Code:

---

slSdf->SaveToFile(SaveTextFileDialog1->FileName, TEncoding::ANSI);

---

Il doit exister une solution. Lorsque j'ouvre le fichier texte ainsi enregistré avec UltraEdit et que je l'enregistre avec l'option ANSI, le nouveau fichier enregistré n'a plus les lettres accentuées codées avec 2 octets.

Finalement, je ne suis pas certain qu'il existe une solution simple avec C++ Builder X6.
En imprimant une ligne comportant des carctères accentués avec

Code:

---

Printer()->Canvas->TextOutw(x, y, usLigne);

---

Les caractères accentués sont imprimés sous forme de 2 caractères.

Citation:

---

Envoyé par Pasqualini

Finalement, je ne suis pas certain qu'il existe une solution simple avec C++ Builder X6.

---

C'est certain qu'il y a une solution simple. C'est que l'on a pas ton code et on n'a pas ton fichier "basic.ics". Donc, il impossible de trouver une solution à un problème que l'on ne peux pas tester. Le mieux que l'on peut faire c'est faire des hypothèses ou te montrer notre code qui fonctionne normalement.

J'ai placé un extrait d'une cinquantaine de lignes du fichier basic.ics ici : http://dl.free.fr/lj25ZHNzz
Si vous trouvez une solution assez simple, je vous en remercie d'avance.

Faut-il être sous Free pour que ça marche?

Non, tout le monde doit pouvoir le télécharger.
Il n'y a ni identifiant, ni mot de passe.

Il y a également possibilité de le trouver là : http://gilbert.pasqualini.free.fr/basic_.ics

Apparemment, du pur UTF-8, il de devrait donc pas y avoir de problème pour la lecture.
C'est probablement un bug de TStringList::SaveToFile() qui lui fait ignorer le TEncoding::ANSI que tu lui passes.

Le problème viens du chargement du fichier, il faut spécifier le format UTF-8. Voici un exemple:

Code:

---

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

TStringList* Fichier = new TStringList();   // Charge le fichier en forcant UTF-8 Fichier->LoadFromFile("c:\\basic_.ics", TEncoding::UTF8);   // Ici on fait la manipulation souhaité Fichier->Add("SUMMARY:On fait la fête");   // On enregistre le fichier en ANSI Fichier->SaveToFile("c:\\temp.txt", TEncoding::ANSI);   delete Fichier;

---

Sans cette spécification alors le fichier ne charge pas correctement et la sauvegarde ne fonctionnera en ANSI. Je ne sais pas pourquoi il détecte l'encodage 1252 (ANSI - latin I) au lieu de UTF-8.

Merci,
j'ai appliqué la procédure préconisée par Crayon.
Cela marche parfaitement :

Code:

---

1 2 3 4 5 6 7 8

// Charge le fichier en forcant UTF-8 Fichier->LoadFromFile("c:\\basic_.ics", TEncoding::UTF8);   // On enregistre le fichier en ANSI Fichier->SaveToFile("c:\\basic_.ics", TEncoding::ANSI); // On recharge le fichier Fichier->LoadFromFile("c:\\basic_.ics");

---