Discussion :

[nerazuri85]

Bonjour

Je lis un flux XML afin de le parser avec un parseur SAX. Le flux que j'utilise est Google Weather qui est encodé sous UTF-8:

http://www.google.com/ig/api?weather=paris,france&hl=fr

Néanmoins, même en forçant la lecture du flux, cela me donne des caractères bizarre en forme de carré.

Voila mon code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
import java.net.URLEncoder;
 
 
 
 
public class TestEncodage {
 
	/**
         * @param args
         * @throws IOException 
         */
	public static void main(String[] args) throws IOException {
		// TODO Auto-generated method stub
		//URL à parser
		String lien="http://www.google.com/ig/api?weather="
				+URLEncoder.encode("paris", "UTF-8")
				+",france&hl=fr";
 
		//Construction du StringBuilder
		URL url = new URL (lien);
		BufferedReader br = null;
		StringBuffer stringBuilder = null;
 
		try {
			InputStreamReader reader = new InputStreamReader (url.openConnection ().getInputStream (), "UTF-8");
			br = new BufferedReader (reader);
			String x = reader.getEncoding();  
            System.out.println("\nencoding is "+x);  
		    String line = null;
		    stringBuilder = new StringBuffer();
		    while((line=br.readLine())!=null){
		    	byte[] test = line.getBytes("UTF-8");
		    	stringBuilder.append(new String(test));
		    }
		}
		finally{
			if (br != null)
				br.close();
		}
		String resultat=stringBuilder.toString();
	    System.out.println(resultat);
	}
}

[thelvin]

Plusieurs choses à dire :

#1 - ces histoires de

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
// CECI NE MARCHE PAS
byte[] test = line.getBytes("UTF-8");
String s = new String(test);

Ça n'a aucun sens et ne peut rien faire de bien. Ça ne peut que causer des problèmes, mais pas apporter de solution.
Ne le fais juste pas. Tu as eu ta String avec readLine(), garde-là.

#2 - Chez moi, Google envoie ce document en ISO-8859-1, pas en utf-8. Du coup, il faudrait plutôt le lire en ISO-8859-1. J'ai testé, ça marche.

#3 - Google a l'air d'envoyer ce qui lui chante, en fonction de qui a fait la requête.
Du coup, il vaudrait mieux lire quel est l'encodage, et utiliser cet encodage :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
URLConnection connection = url.openConnection();
String charset;
String contentType = connection.getContentType();
Matcher matcher = Pattern.compile(".*charset\\s*=\\s*\"?'?(.*?)\"?'?").matcher(contentType);
if(matcher.matches()) {
  charset = matcher.group(1);
} else {
  charset = "utf-8";
}
InputStreamReader reader = new InputStreamReader (connection.getInputStream (), charset);

#4 - Une bibliothèque comme HttpClient serait capable de détecter l'encodage à ta place, et de te fournir la réponse sous forme de Reader ou de String, sans que tu te soucies de chercher l'encodage toi-même.

[nerazuri85]

Merci thelvin ça marche à fond!!