Discussion :

[Battosaiii]

Bonjour,

Je n'arrive pas a lire un document xml de ce type UTF-8.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
<?xml version="1.0" encoding="UTF-8"?>
<ClinicalDocument xmlns="urn:hl7-org:v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" classCode="DOCCLIN" moodCode="EVN">
   <id root="2.16.840.1.113883.3.31.3.1.2.2.1" extension="dev_ser_400" displayable="false"/>
   <code xsi:type="CD" code="120" displayName=" CR de sꫯur hospitalier" codeSystem="2.16.840.1.113883.3.31.4.1"/>
...

Comme vous pouvez le voir ce document contient un accent transformé en ꫯ.

Lorsque je parse le document xml, contenant un accent, avec mon code java suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
	Object LoadMessage(String messagetypestr, String message){
		Object rim = null;
		MessageTypeLoader<MessageType> mtl =org.hl7.meta.mif.MessageTypeLoaderAdapter.getInstance();
		MessageType messageType = mtl.loadMessageType(messagetypestr);
		try{
		File f = new File(message);
		FileInputStream in = new FileInputStream(f);
		ApplicationContext ac = new ContextForThis();
		rim = MessageContentHandler.parseMessage(ac, in, messageType);
		}catch(Exception e){System.out.println("Cant load message file");}
		return rim;
	}

L'erreur se trouve lorsque j utilise le code suivant : MessageContentHandler.parseMessage(ac, in, messageType);


J'obtiens l'erreur suivante :

java.lang.Error: java.io.UTFDataFormatException: Invalid byte 2 of 3-byte UTF-8 sequence.
at org.hl7.xml.parser.MessageContentHandler.parseMessage(MessageContentHandler.java:101)
at fr.aphp.mediweb.hl7.HL7ImportTest.LoadMessage(HL7ImportTest.java:31)
at fr.aphp.mediweb.hl7.HL7ImportTest.testCDABasicExample(HL7ImportTest.java:38)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)
at java.lang.reflect.Method.invoke(Method.java:585)
at junit.framework.TestCase.runTest(TestCase.java:154)
at junit.framework.TestCase.runBare(TestCase.java:127)
at junit.framework.TestResult$1.protect(TestResult.java:106)
at junit.framework.TestResult.runProtected(TestResult.java:124)
at junit.framework.TestResult.run(TestResult.java:109)
at junit.framework.TestCase.run(TestCase.java:118)
at junit.framework.TestSuite.runTest(TestSuite.java:208)
at junit.framework.TestSuite.run(TestSuite.java:203)
at org.eclipse.jdt.internal.junit.runner.junit3.JUnit3TestReference.run(JUnit3TestReference.java:130)
at org.eclipse.jdt.internal.junit.runner.TestExecution.run(TestExecution.java:38)
at org.eclipse.jdt.internal.junit.runner.RemoteTestRunner.runTests(RemoteTestRunner.java:467)
at org.eclipse.jdt.internal.junit.runner.RemoteTestRunner.runTests(RemoteTestRunner.java:683)
at org.eclipse.jdt.internal.junit.runner.RemoteTestRunner.run(RemoteTestRunner.java:390)
at org.eclipse.jdt.internal.junit.runner.RemoteTestRunner.main(RemoteTestRunner.java:197)
Caused by: java.io.UTFDataFormatException: Invalid byte 2 of 3-byte UTF-8 sequence.
at org.apache.xerces.impl.io.UTF8Reader.invalidByte(Unknown Source)
at org.apache.xerces.impl.io.UTF8Reader.read(Unknown Source)
at org.apache.xerces.impl.XMLEntityScanner.load(Unknown Source)
at org.apache.xerces.impl.XMLEntityScanner.scanLiteral(Unknown Source)
at org.apache.xerces.impl.XMLScanner.scanAttributeValue(Unknown Source)
at org.apache.xerces.impl.XMLNSDocumentScannerImpl.scanAttribute(Unknown Source)
at org.apache.xerces.impl.XMLNSDocumentScannerImpl.scanStartElement(Unknown Source)
at org.apache.xerces.impl.XMLDocumentFragmentScannerImpl$FragmentContentDispatcher.dispatch(Unknown Source)
at org.apache.xerces.impl.XMLDocumentFragmentScannerImpl.scanDocument(Unknown Source)
at org.apache.xerces.parsers.XML11Configuration.parse(Unknown Source)
at org.apache.xerces.parsers.XML11Configuration.parse(Unknown Source)
at org.apache.xerces.parsers.XMLParser.parse(Unknown Source)
at org.apache.xerces.parsers.AbstractSAXParser.parse(AbstractSAXParser.java:1198)
at org.hl7.xml.parser.MessageContentHandler.parseMessage(MessageContentHandler.java:93)
... 20 more

Une facon de résoudre ce probleme c est de changer le caractere encodibg en ISO-8859-1 au lieu de UTF-8. J'aimerais avoir une solution qui puisse supporter sans modifier le document. Comment faire ?


Merci

[thelvin]

Je comprends pas bien, le forum déforme les choses et on peut pas trop comprendre à quoi ressemble ton fichier XML.
Il faudrait que tu nous attaches ton fichier ou que tu le mettes quelque part pour qu'on puisse le récupérer.

Mais bon, l'impression que ça donne, c'est que le fichier déclare être en utf-8 dans <?xml encoding="utf-8"?>, mais qu'en réalité il est enregistré en iso-8859-1, ce qui à l'usage aura créé plein de petites transformations.

Dans ces cas-là, pas grand-chose de faisable : un fichier qui déclare être en UTF-8 doit être en UTF-8 et pas autre chose ; et un fichier encodé en ISO-8859-1 doit déclarer être en ISO-8859-1 et pas autre chose.
Tu peux toujours t'amuser à convertir le fichier d'origine de iso-8859-1 à utf-8, enregistrer la conversion dans un fichier temporaire, puis parser ce fichier temporaire à la place. Dans un cas pareil ça devrait marcher... Mais bon, c'est dommage d'accepter un fichier qui déclare quelque chose de faux.

[Battosaiii]

Effectivement ces documents semblent avoir été enregistré en norme ISO-8859-1 au lieu de UTF 8.

La solution dans mon code était la suivante :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
 
InputStream isCdaR2 = null;
		try {
			isCdaR2 = new ByteArrayInputStream(cdar2Xml.getBytes("UTF-8"));
		} catch (UnsupportedEncodingException e2) {
			// TODO Auto-generated catch block
			e2.printStackTrace();
		}