Type d'encodage de fichiers texte

Version imprimable

26/02/2007, 22h13
bit_o

Type d'encodage de fichiers texte

Bonsoir,

Après d'infructueuses recherches sur le site de GTK, je me tourne vers vous :

Existe-t-il une fonction retournant le jeu de caractères utilisé par un fichier texte ?
exemple : utf8, unicode ou ASCII

merci de vos réponses :)
27/02/2007, 11h27
gege2061

Il n'existe pas de fonction pour ça, il faut tester un certains nombres de jeux de caractères (généralement ISO-8859-15 et UTF-8).

Après certains fichiers, par exemple XML, contiennent le type d'encodage mais il n'est pas exclu que l'utilisateur ce soit trompé.

J'ai un bout de code qui traine pour faire mais je ne l'ai pas sous le coude, je le posterai ce soir ;)
27/02/2007, 11h31
bit_o

merci, je vais tester de ce pas :)

Voici la version épurée de mon 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
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
#include <stdlib.h>
#include <string.h>
#include <glib.h>
 
static const gchar *charsets[] = {"UTF-8", "ISO-8859-15", NULL};
 
static gboolean test_encoding (const gchar *path, const gchar *charset)
{
  gboolean valid = FALSE;
 
  if (path != NULL)
  {
    gchar *content = NULL;
 
    g_file_get_contents (path, &content, NULL, NULL);
    if (content != NULL)
    {
      gchar *convert = NULL;
      gsize bytes_read = 0;
 
      convert = g_convert (content, -1, "UTF-8", charset, &bytes_read, NULL,
                           NULL);
      if (convert != NULL)
      {
        if (bytes_read == strlen (content))
        {
          valid = TRUE;
        }
        free (convert), convert = NULL;
      }
      free (content), content = NULL;
    }
  }
  return valid;
}
 
const gchar *encoding_get_charset (const gchar *path)
{
  gint i;
 
  for (i = 0; charsets[i]; i++)
  {
    if (test_encoding (path, charsets[i]))
    {
      break;
    }
  }
  return charset[i];
}

27/02/2007, 22h57
bit_o

merci beaucoup :)
28/02/2007, 06h42
Lunixinclar

Salut,
il existe une solution un peu moins élégante qui consiste à tester le fichier avec la commande file, par un tube. Au pire, le binaire "file" a un code source qui peut être obtenu (ou celui de gedit) mais là ça devient beaucoup plus complexe que le code ci-dessus.
J'ai galéré un moment là-dessus ...
28/02/2007, 10h28
gege2061

Citation:

Envoyé par Lunixinclar

un code source qui peut être obtenu (ou celui de gedit) mais là ça devient beaucoup plus complexe que le code ci-dessus.
J'ai galéré un moment là-dessus ...

Mon code est inspiré de celui de gedit ;)

Tu as bien sûr quelques techniques pour augmenter les chances de trouver le bon encodage, comme récupérer la liste de tous les encodages disponibles sur le système ou encore te baser sur les spécificités des types de fichier (par exemple pour le XML, la première indique l'encodage).

Mais mon code n'est pas optimisé et à chaque teste d'encodage, tu recharge le contenu du fichier, donc j'ai limité au plus courrant, suretout que c'est pour un éditeur de fichier XML donc si l'utilisateur ne renseigne pas correctement la première ligne, je veux bien l'aider mais y a des limites :P