org.xml.sax.SAXParseException probleme avec &nbsp

Version imprimable

Bonjour,

J'ai probleme qui me bloque totalement. Enfaite j'ai développer une class qui lit des fichier XML reçu du serveur et a partir de ses fichier XML je créer un autre fichier XML baser sur les anciens. Le probleme c'est que parfois les fichier XML du serveur contiennent &nbsp ou un caractère special ce qui me donne ca:

org.xml.sax.SAXParseException: The entity "nbsp" was referenced, but not declared.

Je sais que la cause c'est l'espace enfaite. J'utilise cette partie du code pour charger le fichier XML que je vais lire:
Code:

1 2 3 FileInputStream fileInputStream = new FileInputStream(new File(this.folder, scan[i]) ); InputStreamReader inputStreamReader = new InputStreamReader(fileInputStream, "UTF-8"); InputSource inputSource = new InputSource(inputStreamReader);
j'ai voulu savoir si c'est possible a cette etape de supprimer tous les &nbsp qui se trouve dans le InputStream. Car je sais qu'il y a une autre method DTD mais franchement je viens de commencer dans le java donc je ne sais pas trop comment. Merci d'avance.

22/10/2009, 15h44
hibour

Salut
Il faut lire le contenu du fichier dans un String, faire un replaceAll(" ", " ") puis passer le SrtingReader(string remplacé) a ton InputSource :D
22/10/2009, 16h49
rasenganguy

J'ai pas compris car c est pas possible de loader le contenu d'un xml a un String. Sauf si j'ete pas au courant lol. Si c'est possible de m'eclairer plus svp et merci beaucoup pour votre aide :)

Edit: J'ai essayer une method pour changer le fichier en string mais le probleme c'est que le fichier xml ne va pas s'ouvrir tant que le probleme existe je ne reussie pas :cry:

Code:

1
2
3
4
5
6
7
8
9
10
 
File file = new File(fileName);
char[] buf = new char[(int) file.length()];
FileReader fr = new FileReader(file);
int count = fr.read(buf);
//Attention assure toi que count = buf.length
String xml =  new String(buf, 0, count);
xml.replaceAll("&nbsp;", " ");
InputSource inputSource = new InputSource(new StringReader(xml));
//...

A++

Citation:
Envoyé par hibour
Code:

1 2 3 4 5 6 7 8 9 10 File file = new File(fileName); char[] buf = new char[(int) file.length()]; FileReader fr = new FileReader(file); int count = fr.read(buf); //Attention assure toi que count = buf.length String xml = new String(buf, 0, count); xml.replaceAll(" ", " "); InputSource inputSource = new InputSource(new StringReader(xml)); //...
Juste pour peaufiner, "nbsp" c'est censé vouloir dire "non-breakable space", pas "space". Normalement ça devrait être :

Code:

xml.replaceAll(" ", "\u00a0");

Bon, sinon, une solution plus adaptée serait de mettre le parseur sans validation (puisque manifestement le document n'est pas valide) et éventuellement définir un comportement adapté quand on voit une entité   non résolue au parsing.

27/10/2009, 12h54
hibour

Tu mélange entre document bien formé et document non valide. On utilise une DTD ou XML schema pour valider un document XML et savoir s'il respecte une certaine grammaire.
Le caractère '&' à une interprétation spécial en Xml, et le parseur va vouloir le remplacer par une entité qui doit être définit dans le DOCTYPE dans le fichier DTD ou un peu avant dans un element <!ENTITY >
Dans ton cas le parseur lancera toujour une exception à moins que tu inclus une DTD qui définit l'entité nbsp :ccool:
27/10/2009, 22h48
thelvin

Je précise que c'est moi qui avait fait la dernière réponse, pas rasenganguy.

Et je ne confonds rien du tout. J'admets que je n'arrive foutrement plus à convaincre mes parseurs de ne pas planter quand ils croisent une référence à une entité non déclarée. Je le faisais pourtant souvent avant, je me demande ce que j'ai changé, j'étais persuadé qu'il suffisait de ne pas les configurer avec validation.

Mais bref, une référence d'entité non déclarée ne rend pas le document mal formé. C'est une erreur de validation. Et cette erreur doit pouvoir être ignorée, c'est expressément prévu par SAX, et c'est à ça que sert skippedEntity() dans SAX et plus ou moins EntityReference dans DOM (ça ne marche pas si la référence est dans un attribut bien sûr).

Ça me semblait être un bon moyen de contourner le problème, sauf que je n'arrive pas à faire un programme qui l'illustre.
28/10/2009, 12h38
rasenganguy

Bonjour a tous,
Merci pour vos réponses ^^. Enfaite j'avais résolu le probleme mais d'une façon barbare en traitant le fichier XML comme n'importe fichier, l'ouvrir et le stocker dans un String et après vérifier ligne par ligne dans une boucle pour voir s'il y a une &. Ça prend genre 4mn dans le serveur pour que toutes les vérifications se terminent mais c'est pas un probleme pour le moment j'avais pas trop le temps mais je vais réutiliser vos idée pour améliorer le code :). Merci encore.
28/10/2009, 13h17
thelvin

C'est à peu près ce que hibour a proposé, sauf que sa solution utilise les méthodes fournies par Java et devrait être assez rapide.
29/10/2009, 14h36
hibour

Citation:

Envoyé par thelvin

Mais bref, une référence d'entité non déclarée ne rend pas le document mal formé. C'est une erreur de validation. Et cette erreur doit pouvoir être ignorée, c'est expressément prévu par SAX, et c'est à ça que sert skippedEntity() dans SAX et plus ou moins EntityReference dans DOM (ça ne marche pas si la référence est dans un attribut bien sûr).

Autant pour moi :D Je ne connaissais pas cette fonctionnalité des parseurs.
En plus je pensais qu'une référence non défini rendais un document mal formé :?
Merci pour cette remarque
A++
29/10/2009, 14h56
thelvin

Autant pour moi aussi.

Dans certains cas ça rend bel et bien un document mal formé. Si j'ai bien compris la spec:

SI un document XML n'indique pas de fichier DTD
OU QUE sa déclaration XML indique standalone="true"
L'UN OU L'AUTRE ET QUE il contient une référence à une entité qui n'est pas déclarée (ce serait possible dans le doctype)

ALORS le document est mal formé.

C'est à cause de ça que je n'arrivais pas à construire un exemple, car les parseurs respectent cette règle à la lettre, validation ou pas. Il "suffit" d'indiquer un doctype avec DTD et de dire au parseur de ne pas chercher la DTD en question, et là le parsing se passe bien, avec appel de skippedEntity().
29/10/2009, 15h59
hibour

Merci pour ces précisions :ccool: on apprend tous les jours :mouarf:
30/10/2009, 11h41
rasenganguy

Citation:

Envoyé par hibour

Merci pour ces précisions :ccool: on apprend tous les jours :mouarf:

Oui se soir on dormira moin .... :mrgreen:
Merci pour tous ses explication disant que dans 1 semaines j'ai apris plein de choses sur l XML.
09/05/2012, 19h07
oduchateau

Un peu tard

En ajoutant:

String htmlText =
"<!DOCTYPE html PUBLIC \"-//W3C//DTD XHTML 1.0 Transitional//EN\" \"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd\">"+
htmlTexte;

Le parser connaît alors toutes les "entity" du html.
10/05/2012, 09h54
thelvin

Citation:

Envoyé par oduchateau

En ajoutant:

String htmlText =
"<!DOCTYPE html PUBLIC \"-//W3C//DTD XHTML 1.0 Transitional//EN\" \"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd\">"+
htmlTexte;

Le parser connaît alors toutes les "entity" du html.

Certes, et il considère aussi qu'il doit valider du HTML, qui a dit que c'était le cas ?

De plus il va les chercher sur le site du W3C, ce qui :
- nécessite un accès Internet pour parser un fichier.
- congestionne le réseau des deux côté : le tien et celui du W3C.

Il est possible d'enregistrer le fichier xhtml1-transitional.dtd en local et de configurer le parseur pour utiliser la version locale plutôt que d'aller le chercher sur Internet. Mais ce n'est pas si simple que cela.