[Java] Caratteri UTF8

rayman2 · 04-01-2010, 18:32

Ciao a tutti. Vado dritto al sodo e vi espongo il mio problema.
Devo manipolare un file di testo che contiene, invece dei caratteri della tastiera italiana 'è', 'à', ... degli altri caratteri speciali tipo 'Ã¨', 'Ã'...
C'è qualche modo per tradurre qualcosa tipo 'Ã¨' in 'è', 'Ã' in 'à' e così via?

fero86 · 04-01-2010, 20:05

tradurre secondo quale schema? cioé, quale carattere deve diventare à, quale deve diventare è, e via dicendo?

rayman2 · 04-01-2010, 21:27

Dunque, provo a spiegarmi meglio. Non è che qualcuno mi ha fatto uno scherzo sostituendo caratteri a caso, si tratta di un software per salvare i messaggi per il cellulare in file di testo, che funziona a meno dell'errore dei caratteri accentati.

Se apro il file esportato da questo software, al posto dei caratteri accentati mi compaiono altri caratteri (non a casaccio, ma non so dire con quale codifica esatta). Un esempio è appunto quello del primo post.

Il mio programma vuole leggere questo file di testo e stampare in una pagina html il contenuto dei messaggi.

La cosa strana è che se stampo il testo di un messaggio con una System.out.println() gli accenti vengono gestiti in modo corretto.
Se invece stampo con un buffered writer su file, questi vengono scritti come sul file di testo originale (cioè sbagliati) e di conseguenza la mia pagina html ha le lettere con accento sbagliate.

wizard1993 · 04-01-2010, 22:28

ma hai controllato che il tuo browser non parta usi di default un charset che non sia l'utf?

rayman2 · 04-01-2010, 22:50

In effetti avevi ragione...non avevo specificato nel sorgente html che si trattava di un file con codifica utf8

Codice:

<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xml:lang="it" lang="it" xmlns="http://www.w3.org/1999/xhtml">

fero86 · 04-01-2010, 23:04

Quote:

Originariamente inviato da rayman2

[...] Se invece stampo con un buffered writer su file, questi vengono scritti come sul file di testo originale (cioè sbagliati)

non é che vengono scritti sbagliati, é che probabilmente quel file di testo lo apri con Blocco Note il quale non trova il BOM (Byte Order Mark) all'inizio visto che non ce l'hai messo* e quindi non capisce che la codifica é UTF8. prova ad aprirlo con un editor di testo nel quale sia possibile impostare la decodifica (prova con Notepad2 o Notepad++).

* non ce l'hai messo perché il BOM é uno standard Microsoft; é uno standard piu che sensato ma a quanto pare il resto del mondo non l'ha accettato e quindi il resto del mondo continua ottusamente a confondere i files ASCII, ANSI, Unicode e UTF8. Java fa parte del resto del mondo e quindi i FileWriter di Java non mettono Byte Order Marks.

Quote:

e di conseguenza la mia pagina html ha le lettere con accento sbagliate.

2 osservazioni:

1) HTML? nell'HTML i caratteri accentati non si scrivono direttamente, si usano le entities predefinite: "à", "è", ecc.

2) scrivi la pagina in XHTML, non HTML, cosi puoi iniziarla con la seguente linea di codice che specifica anche la codifica:

Codice:

<?xml version="1.0" encoding="UTF-8"?>

Mixmar · 05-01-2010, 22:02

Aggiungo che forse, se il tuo problema è quello di decodificare / codificare i caratteri in base alla codifica, e qualora tu conosca la codifica utilizzata dal tuo sistema per i dati, puoi utilizzare CharsetDecoder per convertire l'input in UTF-16 e CharsetEncoder per il contrario.

||ElChE||88 · 05-01-2010, 22:11

Quote:

Originariamente inviato da fero86

* non ce l'hai messo perché il BOM é uno standard Microsoft; é uno standard piu che sensato ma a quanto pare il resto del mondo non l'ha accettato e quindi il resto del mondo continua ottusamente a confondere i files ASCII, ANSI, Unicode e UTF8. Java fa parte del resto del mondo e quindi i FileWriter di Java non mettono Byte Order Marks.

Il BOM UTF8 non è uno standard Microsoft, fa parte dallo standard Unicode (Capitolo 2.6).

04-01-2010, 18:32	#1
rayman2 Senior Member Iscritto dal: Jan 2002 Messaggi: 437	[Java] Caratteri UTF8 Ciao a tutti. Vado dritto al sodo e vi espongo il mio problema. Devo manipolare un file di testo che contiene, invece dei caratteri della tastiera italiana 'è', 'à', ... degli altri caratteri speciali tipo 'Ã¨', 'Ã'... C'è qualche modo per tradurre qualcosa tipo 'Ã¨' in 'è', 'Ã' in 'à' e così via?

04-01-2010, 22:28	#4
wizard1993 Senior Member Iscritto dal: Apr 2006 Messaggi: 22462	ma hai controllato che il tuo browser non parta usi di default un charset che non sia l'utf? __________________ amd a64x2 4400+ sk939;asus a8n-sli; 2x1gb ddr400; x850 crossfire; 2 x western digital abys 320gb\|\| asus g1 Se striscia fulmina, se svolazza l'ammazza

05-01-2010, 22:02	#7
Mixmar Senior Member Iscritto dal: Feb 2002 Città: Trento Messaggi: 962	Aggiungo che forse, se il tuo problema è quello di decodificare / codificare i caratteri in base alla codifica, e qualora tu conosca la codifica utilizzata dal tuo sistema per i dati, puoi utilizzare CharsetDecoder per convertire l'input in UTF-16 e CharsetEncoder per il contrario. __________________ "Et Eärallo Endorenna utúlien. Sinome maruvan ar Hildinyar tenn' Ambar-metta!" -- Aragorn Elessar, Heir of Isildur Mixmar -- OpenSuSE 11.1 on AMD 64 3000+ on DFI LanParty nF4-D \| GeForce 6600 GT + Thermaltake Schooner on Samsung 710N Storage -- ( 2 x Hitachi Deskstar 80 Gb + 1 x Hitachi 250 Gb ) = 1 RAID 5 + 1 Storage space LaCie Ethernet Disk Mini 250 Gb \| HP - DV2150 EL MILAN CLAN

04-01-2010, 20:05	#2
fero86 Senior Member Iscritto dal: Oct 2006 Città: Roma Messaggi: 1383	tradurre secondo quale schema? cioé, quale carattere deve diventare à, quale deve diventare è, e via dicendo?

04-01-2010, 21:27	#3
rayman2 Senior Member Iscritto dal: Jan 2002 Messaggi: 437	Dunque, provo a spiegarmi meglio. Non è che qualcuno mi ha fatto uno scherzo sostituendo caratteri a caso, si tratta di un software per salvare i messaggi per il cellulare in file di testo, che funziona a meno dell'errore dei caratteri accentati. Se apro il file esportato da questo software, al posto dei caratteri accentati mi compaiono altri caratteri (non a casaccio, ma non so dire con quale codifica esatta). Un esempio è appunto quello del primo post. Il mio programma vuole leggere questo file di testo e stampare in una pagina html il contenuto dei messaggi. La cosa strana è che se stampo il testo di un messaggio con una System.out.println() gli accenti vengono gestiti in modo corretto. Se invece stampo con un buffered writer su file, questi vengono scritti come sul file di testo originale (cioè sbagliati) e di conseguenza la mia pagina html ha le lettere con accento sbagliate.

Strumenti
Mostra una versione stampabile Invia questa pagina per email