Discussion :

[kevinou55]

Bonjour,
dans mon programme je récupère une String dans la quelle se trouvent des caractères normaux mais également des caractères en ancien vietnamien (des symboles semblables au chinois pour faire simple).

Il faut que je sépare ces caractères spéciaux des autres...

auriez-vous une idée de la manière de procéder, j'ai penser à tester les encodages mais je ne vois pas trop comment faire

[adiGuba]

Salut,


En Java une String est obligatoirement encodé en UTF-16 !

Donc soit ta String est correcte et alors je ne comprend pas trop ton problème ?
Soit le contenu de ta Strign est incorrect, mais alors tu devras agir sur le code qui récupère ta String et non pas sur cette dernière (si elle est mal encodé il y a des chances que tu ne puissent pas retrouver les bonnes données).

a++

[kevinou55]

mon probleme n'est pas de récupérer cette string. je l'ai et elle contient bien les caracteres.

Voici un exemple :
Văn xã Kim Lũ 金縷社文村

Mon probleme est d'arriver à séparer "Văn xã Kim Lũ" et "金縷社文村" en parcourant ma string.

J'espere avoir été plus clair...

[kevinou55]

Bon et bien j'ai trouvé une solution un peu bidouillée,

j'ai tout simplement cherché le mot en majuscule car ces caracteres sont en fait des majuscules et que je n'en ai aucun autre dans mon corpus.

Bon je vais mettre résolu meme si cette solution est applicable dans mon cas mais pas forcément pour tous

[adiGuba]

Donc ta chaine est parfaitement formé et tu n'as pas à tripatouiller l'encodage !


Il suffit donc de regarder la doc de l'Unicode pour regarder le groupe correspondant, puis tout simplement effectuer une comparaison de valeur...

Mieux tu peux tout simplement utiliser la classe UnicodeBlock pour récupérer cette info :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
		String str = "Văn xã Kim Lũ 金縷社文村";
		System.out.println(str);
		int i=0;
		for (i=0; i<str.length(); i++) {
			char c = str.charAt(i);
			System.out.printf("%c %04X => %s%n", c, (int)c, UnicodeBlock.of(c));
		}

Apparemment ces caractères appartiennent au groupe CJK_UNIFIED_IDEOGRAPHS !

a++

[kevinou55]

OK ca marche nickel j'avais laissé mes tests sur les majuscules mais j'ai du les changer.

Ta solution est parfaite
Merci beaucoup