Exercice d'encoding

Version imprimable

Exercice d'encoding

Bonjour,

Voilà un programme d'encoding que je n'arrive pas à faire marche avec Java.
A cette adresse : ftp://88.165.6.232/ vous trouverez un fichier "__________.txt" qui contient des caractères bizarres mais justes (y'a du russe, du polonais et du turc). Il est en UTF-8.
Le but est de lire ce fichier en entrée et de le contenir dans une String java.
A partir de cette String, l'écrire dans un fichier de sortie résultat : res.txt
Le résultat attendu par le programme est que res.txt est une copie conforme de "__________.txt".
Je bute sur ce programme depuis un bon moment et j'ai besoin de votre aide :(

Restriction : S'appuyer seulement sur des méthodes de l'API Java 1.4.2 ou inférieur.

Voici du code qui marche pas :
Code:

1 2 3 4 5 6 String filename = "__________.txt"; File file = new File(filename); FileInputStream fis = new FileInputStream(file); byte[] buffer = new byte[(int) file.length()]; fis.read(buffer); String res = new String(buffer);
Sans aller plus loin, res ne contient pas une bonne chaîne (accents daubé) lorsque j'affiche la chaîne dans la console eclipse (System.out.println)

12/01/2008, 14h21
LinkinSelim

pourquoi tu n'ecris pas directement le buffer que t'as lu dans le fichier res.txt, sans passer par le String ??
12/01/2008, 14h32
kroax

Parce que c'est pas le but de l'excercice.

En fait je n'arrive pas à faire les 2 : le mettre dans une String non buggée ou bien l'écrire dans un fichier. Ca paraît peut être "stupide" mais je me prends bien la tête avec ces encoding (véridique). La console eclipse ne m'affiche jamais la bonne String.
Problème de config ?
12/01/2008, 14h40
LinkinSelim

c'est peut etre du a ce que les String de Java ne supportent que des caracteres UTF-16.
12/01/2008, 14h46
kroax

Tu peux détailler...pour être très très succint, le code suivant affiche mal la string dans la console eclipse :

Citation:

String toto = "Yürürlüğe girişстраницы";
System.out.println(toto);
12/01/2008, 15h09
LinkinSelim

ben j'ai lu quelque part que la classe String utilise la notation UTF-16 et ton exercice utilise UTF-8, je vois pas comment je pourrai te detaillé ca :?
12/01/2008, 15h16
kroax
Très bien. Comment expliques-tu ce code qui ne marche pas non plus :
Code:

1 2 3 4 5 ... fis.read(buffer); String res = new String(buffer, "UTF-8"); System.out.println(res);
12/01/2008, 15h33
kroax

Ni celui la d'ailleurs (d'après la FAQ) :

Citation:

String toto = "Yürürlüğe girişстраницы";
String bod = new String(toto.getBytes(),"UTF-8");
System.out.println(bod);

Je précise que l'affichage dans l'onglet display d'eclipse est OK. Dans la console debug c'est KO :/.
12/01/2008, 15h35
LinkinSelim

ton texte est-il ecrit en quel charset??
12/01/2008, 21h28
kroax

Le fichier est au format UTF-8 (déjà précisé au premier post).
14/01/2008, 08h46
kroax

La console d'eclipse affiche bien des string encodées en UTF-8 au moins ? Parce que si non, je ne vois pas dans les préférences d'eclipse l'option pour paramétrer cela.
14/01/2008, 12h53
Sanguko

Citation:

Envoyé par kroax

La console d'eclipse affiche bien des string encodées en UTF-8 au moins ? Parce que si non, je ne vois pas dans les préférences d'eclipse l'option pour paramétrer cela.

C'est parametrable pour une execution donnée. Tu vas dans Run.../Common.
14/01/2008, 13h59
kroax

Citation:

Envoyé par Sanguko

C'est parametrable pour une execution donnée. Tu vas dans Run.../Common.

J'ai regardé, je n'ai aucune indication parlant de l'encoding dans cet onglet. Je dispose d'eclipse sous l'environnement RAD (eclispe + websphère). La version de rad est 6.0.1 qui inclus eclipse 3.0.2
14/01/2008, 14h59
Sanguko

J'utilise eclipse 3.1.2. Effectivement, dans les version 3.0 ca n'apparait pas.

Je sais pas si ca peut t'aider, mais l'encoding de la console semble dépendre de la platform. Sous Windows, c'est cp1252 (ie du windows spécifique), et sous linux, c'est du ISO-8859-1.

Pour avoir l'encoding dispo, c'est :
Charset.defaultCharset()
ou
new OutputStreamWriter( System.out ).getEncoding();

Je sais que tu es en 1.4, mais j'ai pas vérifié si c'était dispo.
14/01/2008, 15h47
kroax

Je n'ai pas trouvé la méthode defaultCharset() pour java 1.4.2.
Mais j'ai fait :

Code:

System.out.println(Charset.availableCharsets());

Sortie :

Citation:

{Big5=Big5, CESU-8=CESU-8, COMPOUND_TEXT=COMPOUND_TEXT, EUC-CN=EUC-CN, EUC-JP=EUC-JP, EUC-KR=EUC-KR, EUC-TW=EUC-TW, GB18030=GB18030, GB2312=GB2312, GBK=GBK, hp-roman8=hp-roman8, IBM-037=IBM-037, IBM-1006=IBM-1006, IBM-1025=IBM-1025, IBM-1026=IBM-1026, IBM-1027=IBM-1027, IBM-1041=IBM-1041, IBM-1043=IBM-1043, IBM-1046=IBM-1046, IBM-1046S=IBM-1046S, IBM-1047=IBM-1047, IBM-1088=IBM-1088, IBM-1097=IBM-1097, IBM-1098=IBM-1098, IBM-1112=IBM-1112, IBM-1114=IBM-1114, IBM-1115=IBM-1115, IBM-1122=IBM-1122, IBM-1123=IBM-1123, IBM-1124=IBM-1124, IBM-1140=IBM-1140, IBM-1141=IBM-1141, IBM-1142=IBM-1142, IBM-1143=IBM-1143, IBM-1144=IBM-1144, IBM-1145=IBM-1145, IBM-1146=IBM-1146, IBM-1147=IBM-1147, IBM-1148=IBM-1148, IBM-1149=IBM-1149, IBM-1351=IBM-1351, IBM-1362=IBM-1362, IBM-1363=IBM-1363, IBM-1363C=IBM-1363C, IBM-1364=IBM-1364, IBM-1370=IBM-1370, IBM-1371=IBM-1371, IBM-1380=IBM-1380, IBM-1381=IBM-1381, IBM-1382=IBM-1382, IBM-1383=IBM-1383, IBM-1385=IBM-1385, IBM-1386=IBM-1386, IBM-1388=IBM-1388, IBM-1390=IBM-1390, IBM-1399=IBM-1399, IBM-273=IBM-273, IBM-277=IBM-277, IBM-278=IBM-278, IBM-280=IBM-280, IBM-284=IBM-284, IBM-285=IBM-285, IBM-290=IBM-290, IBM-297=IBM-297, IBM-300=IBM-300, IBM-301=IBM-301, IBM-33722=IBM-33722, IBM-33722C=IBM-33722C, IBM-420=IBM-420, IBM-420S=IBM-420S, IBM-424=IBM-424, IBM-437=IBM-437, IBM-500=IBM-500, IBM-720=IBM-720, IBM-737=IBM-737, IBM-775=IBM-775, IBM-808=IBM-808, IBM-833=IBM-833, IBM-834=IBM-834, IBM-835=IBM-835, IBM-836=IBM-836, IBM-837=IBM-837, IBM-838=IBM-838, IBM-850=IBM-850, IBM-852=IBM-852, IBM-855=IBM-855, IBM-856=IBM-856, IBM-857=IBM-857, IBM-858=IBM-858, IBM-859=IBM-859, IBM-860=IBM-860, IBM-861=IBM-861, IBM-862=IBM-862, IBM-863=IBM-863, IBM-864=IBM-864, IBM-864S=IBM-864S, IBM-865=IBM-865, IBM-866=IBM-866, IBM-867=IBM-867, IBM-868=IBM-868, IBM-869=IBM-869, IBM-870=IBM-870, IBM-871=IBM-871, IBM-874=IBM-874, IBM-875=IBM-875, IBM-897=IBM-897, IBM-918=IBM-918, IBM-921=IBM-921, IBM-922=IBM-922, IBM-924=IBM-924, IBM-927=IBM-927, IBM-930=IBM-930, IBM-932=IBM-932, IBM-933=IBM-933, IBM-935=IBM-935, IBM-937=IBM-937, IBM-939=IBM-939, IBM-942=IBM-942, IBM-942C=IBM-942C, IBM-943=IBM-943, IBM-943C=IBM-943C, IBM-947=IBM-947, IBM-948=IBM-948, IBM-949=IBM-949, IBM-949C=IBM-949C, IBM-950=IBM-950, IBM-951=IBM-951, IBM-954=IBM-954, IBM-954C=IBM-954C, IBM-964=IBM-964, IBM-971=IBM-971, ISCII91=ISCII91, ISO-2022-CN=ISO-2022-CN, ISO-2022-CN-GB=ISO-2022-CN-GB, ISO-2022-JP=ISO-2022-JP, ISO-2022-KR=ISO-2022-KR, ISO-8859-1=ISO-8859-1, ISO-8859-10=ISO-8859-10, ISO-8859-13=ISO-8859-13, ISO-8859-14=ISO-8859-14, ISO-8859-15=ISO-8859-15, ISO-8859-16=ISO-8859-16, ISO-8859-2=ISO-8859-2, ISO-8859-3=ISO-8859-3, ISO-8859-4=ISO-8859-4, ISO-8859-5=ISO-8859-5, ISO-8859-6=ISO-8859-6, ISO-8859-6S=ISO-8859-6S, ISO-8859-7=ISO-8859-7, ISO-8859-8=ISO-8859-8, ISO-8859-9=ISO-8859-9, JIS0201=JIS0201, JIS0208=JIS0208, JIS0212=JIS0212, Johab=Johab, KOI8-R=KOI8-R, KOI8-RU=KOI8-RU, KOI8-U=KOI8-U, KSC5601=KSC5601, MacArabic=MacArabic, MacCentralEurope=MacCentralEurope, MacCroatian=MacCroatian, MacCyrillic=MacCyrillic, MacDingbat=MacDingbat, MacGreek=MacGreek, MacHebrew=MacHebrew, MacIceland=MacIceland, MacRoman=MacRoman, MacRomania=MacRomania, MacSymbol=MacSymbol, MacThai=MacThai, MacTurkish=MacTurkish, MacUkraine=MacUkraine, PTCP154=PTCP154, Shift_JIS=Shift_JIS, TIS-620=TIS-620, US-ASCII=US-ASCII, UTF-16=UTF-16, UTF-16BE=UTF-16BE, UTF-16LE=UTF-16LE, UTF-32=UTF-32, UTF-32BE=UTF-32BE, UTF-32LE=UTF-32LE, UTF-8=UTF-8, UTF-8J=UTF-8J, windows-1250=windows-1250, windows-1251=windows-1251, windows-1252=windows-1252, windows-1253=windows-1253, windows-1254=windows-1254, windows-1255=windows-1255, windows-1256=windows-1256, windows-1256S=windows-1256S, windows-1257=windows-1257, windows-1258=windows-1258, windows-874=windows-874, windows-932=windows-932, windows-936=windows-936, windows-949=windows-949, windows-950=windows-950, X-UnicodeBig=X-UnicodeBig, X-UnicodeLittle=X-UnicodeLittle}

Comme on peut le voir, l'UTF-8 est supporté.
14/01/2008, 18h07
Sanguko

Le probleme n'est pas l'encoding supporté par la jvm, mais l'encoding de la console.
Si tu veux afficher de l'UTF-8, il faut que ta console soit en utf8. Ce qui n'est pas le cas par défault, que ce soit sous eclipse, windows ou linux.