Regex espace insécable

Version imprimable

06/08/2015, 11h01
bombers

Regex espace insécable

Bonjour,

Je viens vers vous pour un petit problème, je dois utiliser un string qui a cette forme " 4, rue du chateau, 75016 Paris" pour appeler un web service, cependant j'ai remarqué que les chaines ne sont pas "propres" et j'ai parfois des caractère insécables.
Je cherche donc un moyen de chercher ces caractères insécables pour les remplacer par un espace.

Merci d'avance !
06/08/2015, 11h53
joel.drigo
Salut,

Si ce n'est vraiment que les espaces insécables, il te suffit d'utiliser une expression régulière qui remplace les caractères suivants par une espace :
- l'espace insécable : \u00a0
- l'espace fine insécable (devant point-virgule, point d'interrogation et d'exclamation) : \u202f
Code:

string.replaceAll("[\u00a0\u202f]", " ")

Mais, attention, il peut y avoir d'autres espaces (de \u2000 à \u200b), et il y a également la notion de white spaces représentée par \s en expression régulière, et qui équivaut à [\t\n\x0B\f\r].
06/08/2015, 12h05
bombers

Merci beaucoup,

Cependant cela ne fonctionne pas lorsque je regarde les log du serveur auquel j'envoie mon string je vois qu'il a un "\xa0" toujours présent je pense que c'est ça qu'il faut supprimer...
06/08/2015, 12h13
joel.drigo
Peux-tu exécuter ce programme avec string = ta chaîne en entrée et me renvoyer le résultat :
Code:

1 2 3 4 for(int i=0; i<string.length(); i++) { System.out.printf("%2x ",(int)string.charAt(i)); } System.out.println();

Alors ca ne m'a renvoyé aucun résultat J'ai pourtant mis ça :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
 
public class testttt {
 
	/**
         * @param args
         */
	public static void main(String[] args) {
 
 
String string = "5, impasse du Grenier à Sel, 60300 Senlis";
 
		for(int i=0; i<string.length(); i++) {
			System.out.printf("%2x ",(int)string.charAt(i));
		}
		System.out.println();
 
 
	}
 
}

06/08/2015, 12h19
joel.drigo

Non, mais tu as bien quelque chose (une série de nombres hexadécimaux) qui s'affiche dans la console, non ?
06/08/2015, 12h20
bombers

Oui désolé j'avais ouvert une mauvaise perspective (je travaille sur Talend ) donc voilà la suite d'hexa:

35 2c 20 69 6d 70 61 73 73 65 20 64 75 20 47 72 65 6e 69 65 72 20 e0 20 53 65 6c 2c 20 36 30 33 30 30 20 53 65 6e 6c 69 73
06/08/2015, 12h27
joel.drigo

Donc pas d'espaces insécables dans ta chaîne. Le problème doit survenir après. Cette chaîne, c'est une valeur de paramètre dans un paramètre ? C'est une partie d'une URL REST (qui serait donc encodée à un moment ou un autre) ?
06/08/2015, 12h30
bombers

C'est exactement ça, derrière j'ai un script python pour géocoder des coordonnées, et le script parse ma requête mais quand je la copie colle directement dans l'url du Rest, cela fonctionne bien c'est ce qui me fait penser que c'est sur la partie java ( Talend ) ...
06/08/2015, 12h42
joel.drigo

Citation:

Envoyé par bombers

C'est exactement ça, derrière j'ai un script python pour géocoder des coordonnées, et le script parse ma requête mais quand je la copie colle directement dans l'url du Rest, cela fonctionne bien c'est ce qui me fait penser que c'est sur la partie java ( Talend ) ...

Des coordonnées ? Elles ne seraient pas formatées avec un espace de millier, qui est normalement aussi une espace insécable ? Le \x0a que tu vois, c'est à quel endroit exactement (quel caractère) ? Vraiment dans l'adresse ? Entre le 60300 et le Senlis peut-être ?

Par contre, je ne comprends exactement ta dynamique : tu as une application Java, avec un formulaire je suppose, où on saisit une adresse, et ensuite on appelle en Java, un script python, et c'est le script python qui invoque le web service, c'est ça ?
06/08/2015, 13h54
bombers

Alors: Non en fait j'ai talend(ETL) qui interroge une base de donnée d'adresse(donc pas de formulaire) que j'ai chargé auparavant depuis des fichier XML, ensuite Talend transmet ces données a un WebService (python) qui me renvoie un Json avec de multiple informations..

C'est après le "à" que la chaîne \xa0 aparait
06/08/2015, 14h00
bombers

Je pense que si vous n'avez pas eu l'erreur c'est parceque le fait de le copier coller a peut-être remplacer le fameux caractère pour le formater dans les messages du forum..
06/08/2015, 14h18
joel.drigo

Citation:

Envoyé par bombers

Je pense que si vous n'avez pas eu l'erreur c'est parceque le fait de le copier coller a peut-être remplacer le fameux caractère pour le formater dans les messages du forum..

C'est pour ça que je voulais que tu fasses le test toi, pour ne pas avoir d'interférences avec les transformations de ton code via les copier/coller et le forum.

Sinon, avant le \xa0, tu as bien à côté serveur, et pas Ã par hasard ? Parce que je me demande si le problème ne viendrait pas de lecture dans ta base et d'un problème de charset.
06/08/2015, 16h03
bombers

Si effectivement j'ai bien le caractère Ã, que voulez vous dire par un problème de charset ?
06/08/2015, 16h12
joel.drigo

En fait, le problème vient de la récupération de la chaîne depuis la base : elle est visiblement encodée en UTF-8 (le caractère à se code c3 a0 en binaire), mais quand tu le lis, tu dois le lire comme si c'était du ISO-8859-1, d'où le fait qu'au lieu de récupérer un à, tu récupères 2 caractères Ã (de code 3c), suivi du caractère nbsp (de code a0).

Tu utilises un accès JDBC, je suppose. C'est quoi comme SGBD ?
06/08/2015, 16h16
bombers

Oui je suis sur postgresql mais la base est bien en utf8..
06/08/2015, 16h21
joel.drigo

Je ne pratique que peu JDBC, et encore moins postgresql. Vite vu dans la doc, il semble qu'il faille ajouter en fin d'URL JDBC ?charSet=UNICODE"...