Discussion :

[causier]

Bonjour à tous.
Je cherche à créer un fichier en UTF-8.
Le code qui suit est utilisé partout sur le web et ne retourne pas d'erreur.
Le fichier est malheureusement créé au format ISO (vérifié avec PSPAD et avec un utilitaire spécifique).

Merci pour votre aide

Je travaille sous Eclipse (Helios) avec le jdk 1.6.

File fichier = new File( "toto.txt" );
BufferedWriter fileWriter = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(fichier), "UTF-8"));
fileWriter.write( "test" );

[tchize_]

Avec ce que tu écrit dans le fichier, le contenu "biniare" du fichier sera exactement le même, que tu utilise de l'UTF-8 ou de l'iso-8859-1, l'utf-8 et l'iso-8859-1 ont tous les deux été conçus pour que les caractère ascii (7 bits) soient codés tels quels.
Tu ne verra la différence que si tu écrit des caractère accentués, des symboles comme €, du cyrillique, du grec, etc.

[causier]

En effet mais ce n'est qu'un texte exemple.
Le fichier définitif contiendra des caractères différentiateurs.
Le fichier est généré pour un prestataire qui impose le format UTF-8.
Il faut donc que j'y arrive...

[JeitEmgie]

Bonjour à tous.
Je cherche à créer un fichier en UTF-8.
Le code qui suit est utilisé partout sur le web et ne retourne pas d'erreur.
Le fichier est malheureusement créé au format ISO (vérifié avec PSPAD et avec un utilitaire spécifique).

Merci pour votre aide

Je travaille sous Eclipse (Helios) avec le jdk 1.6.

File fichier = new File( "toto.txt" );
BufferedWriter fileWriter = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(fichier), "UTF-8"));
fileWriter.write( "test" );

Votre méthodologie de vérification est tout simplement erronée : les logiciels d'édition de texte se contentent d'annoncer le premier encoding compatible avec le contenu qu'ils lisent et en cas d'ambiguïté ils donnent priorité à l'encoding par défaut de la plate-forme.

Pour forcer un "bête" éditeur de texte à vous annoncer "UTF-8" au lieu de n'importe quel autre encoding qui serait par hasard compatible avec le contenu, vous devez d'abord écrire le BOM UTF-8 en tête du fichier, soit la séquence de bytes : 0xEF,0xBB,0xBF.

Avec çà, même si le contenu est du pur ASCII, l'éditeur de texte (pour peu qu'il ne soit pas trop "bête" et reconnaisse les BOM UTF) va dire "UTF-8" et comme vous spécifiez "UTF-8" dans le BufferedWriter, le jour où il y aura de vrais caractères non ASCII dans le stream, ils seront bien encodés en UTF-8 et il n'y aura pas de problème.

[thelvin]

Pour forcer un "bête" éditeur de texte à vous annoncer "UTF-8" au lieu de n'importe quel autre encoding qui serait par hasard compatible avec le contenu, vous devez d'abord écrire le BOM UTF-8 en tête du fichier, soit la séquence de bytes : 0xEF,0xBB,0xBF.

Ce qui est la même chose qu'insérer le caractère U+FEFF, ce qui est tout de même plus simple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
public static final char BOM = 0xFEFF;
 
// ...
 
fileWriter.write(BOM);
fileWriter.write("test en été");

[tchize_]

ce n'est pas recommandé de mettre un BOM dans de l'utf-8, ca n'a jamais été sa raison d'être

[tchize_]

même si ça marche ici:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

public static final char BOM = 0xFEFF;

est une mauvaise pratique pour définir des char. Les char de java ne sont pas 100% utf-16 Pour utiliser une valeur unicode il faut faire

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

public static final char BOM = '\ufeff';

[thelvin]

même si ça marche ici:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

public static final char BOM = 0xFEFF;

est une mauvaise pratique pour définir des char. Les char de java ne sont pas 100% utf-16 Pour utiliser une valeur unicode il faut faire

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

public static final char BOM = '\ufeff';

? Quelle importance, quelle différence ?

[tchize_]

le BOM, dans le stéandard unicode, sert à indiquer l'ordre des octets dans l'encodage, utf-8 est indépendant de cet ordre, le BOM ne sert en pratique à rien pour l'UTF-8 et le standard ne l'oblige ni ne le recommande pour l'utf-8.

De plus, par exemple, le BOM pose des problèmes avec le shebang, pour la concaténation brute de fichiers, avec les codes source php, etc


pour la notation, comme je l'ai dit, les char java, ce n'est pas de l'utf-16. Bien que la grande majorité des int Oxzzzz aient les même bits que le char \uzzzz correspondant, ce n'est pas le cas de tous. Il vaut donc mieux préférer prendre l'habitude pour faire des séquences unicode la notation \uxxxx

[thelvin]

ce n'est pas recommandé de mettre un BOM dans de l'utf-8, ca n'a jamais été sa raison d'être

Euh, par qui -_-°*?

En ce qui me concerne je n'aime pas mettre ce machin stupide au début de mes fichiers, mais ce ne sont pas les technologies à préférer (ou exiger) qu'il soit là qui manquent.

Mais on s'éloigne du sujet. Mettre le BOM, ici, sert juste à faire dire à l'éditeur de texte que le fichier est en UTF-8, par ce que s'il n'est pas là, l'éditeur de texte décide unilatéralement que c'est du iso-8859-1. Ceci quel que soit l'encodage réél du fichier.
L'éditeur de texte n'est pas capable de détecter l'encodage du fichier, c'est tout. Pour lui faire dire que c'est du utf-8, il faut lui mettre un BOM. Mais on s'en fout de lui faire dire ça, ce qu'on veut, c'est que ce soit vraiment un fichier en utf-8.

Et pour ça, la méthode

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

BufferedWriter fileWriter = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(fichier), "UTF-8"));

était la bonne.