Quel est cet encodage? Comment le décoder?

Version imprimable

30/06/2006, 18h09
moalmeyer

Quel est cet encodage? Comment le décoder?

Bonjour,
Je suis sur un programme qui decode des flux xml, et plus particulierement des podcast. Je lis le fichier xml et je rentre dans une base mysql ce que je veux... Mais quand je suis dans ma base, je retrouve des caractères avec un encodage bizarre, ni UTF-8 ni ISO, et bien sur j'aimerais que ces droles de caracteres soient remplacés par les caracteres de notre alphabet bien aimé :D

apostrophe donne '
"é" donne é

Avez vous une idée du type d'encodage?
Et comment faire pour le décoder?

Merci
30/06/2006, 22h45
Pragmateek

C'est le codage HTML, les codes hexadécimaux des caractères sont précédés de "&#".

Salut,

On peut facilement modifié cela via les expressions régulières :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
    public static String decode(String str) {
        Pattern pattern = Pattern.compile("&#x([0-9a-fA-F]{2});");
        Matcher matcher = pattern.matcher(str);
        String result = str;
 
        if (matcher.find()) { // Si on trouve au moins un code hexa
            StringBuffer buffer = new StringBuffer();
            do {
                String value = matcher.group(1); // on récupère le code hexa uniquement
                char c = (char) Integer.parseInt(value, 16);    // On le convertit en caractère
                matcher.appendReplacement(buffer, Character.toString(c));    // et on effectue le remplacement
            } while (matcher.find());
            matcher.appendTail(buffer);
            result = buffer.toString();
        }
 
        return result;
    }

a++

ok merci c'est cool... j'ai réussi ce que je voulais faire :D....
Mais un autre probleme se pose...
Parfois je lis des pages web en ISO, et juske la pas de pbm puisque je viens de regler le souci... mais quand je les lis en UTF-8.... je ne sais pas du tout comment faire :s...
je veut transformer çà :
Code:

1 2 3 eurockã©ennes de belfort du 30 juin au 2 juillet 2006 la ferarock est sur place : des interviews, des photos, des articles au jour le jour pour suivre le festival de lâ€™intã©rieur... // muse, daft punk, the strokes, depeche mode, des projets spã©ciaux, des quã©bã©cois, des amã©ricains, des franã§ais, des anglais, des belges, un festival cosmopolite et empli de surprises dã©tonantes !...
en quelque chose de lisible..... et sans les accents si possible !!!
Mais la je seche vraiment, parce que les caracteres sont vraiment spéciaux... :s

03/07/2006, 16h10
adiGuba

Heu... Je pense que le problème vient du fait que tu lis en UTF8 alors que les pages sont en ISO-8859-1.

Tu dois donc les lire en ISO-8859-1 et les transformer ensuite en UTF8 si besoin...

a++
03/07/2006, 16h15
had35

Il faut bien distinguer l'encodage et le décodage. Pour accéder à ta base de données, tu dois décoder les entrées de texte dans le format requis par ton sgbd. En revanche, pour l'affichage de ce qui ressort de tes requêtes sql, c'est à l'éditeur de le faire. Si l'affichage se fait dans un navigateur, il faut préciser le format avec le paramètre charset.

http://www.la-grange.net/w3c/html4.0...t.html#h-5.2.2 ;)
24/07/2006, 14h28
moalmeyer

Merci a tous...
C'était un mélange d'encodage de la bdd et d'encodage des flux xml... j'ai réussi a m'en sortir, non sans mal...