...Java...formattazione testo...

[ally]

...esiste una maniera veloce per formattare il testo permettendo solo determinati caratteri?...vorrei evitare l'uso di indexOf charAt etc...

...grazie ciao...

[andbin]

Originariamente inviato da ally

...esiste una maniera veloce per formattare il testo permettendo solo determinati caratteri?...vorrei evitare l'uso di indexOf charAt etc...

Cioè? Puoi fare un esempio?

[ally]

...certamente...

Prendimi così

...dovrebbe risultare Prendimi cos...o meglio ancora diventare Prendimi così...

...grazie ciao...

[ally]

...dovrei formattare il contenuto di un db mal importato...nei limiti del possibile naturalmente...

...grazie ciao...

[andbin]

Originariamente inviato da ally

Prendimi così

...dovrebbe risultare Prendimi cos...o meglio ancora diventare Prendimi così...

Beh, allora non mi sembra tanto una questione di "formattazione" ma un problema legato alla codifica dei caratteri!

[ally]

...si scusami...hai ragione...come è possibile risalire alla codifica di appartenenza?...e come è possibile ricodificare i caratteri?...

...grazie ciao...

[andbin]

Originariamente inviato da ally

...si scusami...hai ragione...come è possibile risalire alla codifica di appartenenza?...e come è possibile ricodificare i caratteri?...

Puoi fare qualche altro esempio di stringa errata indicando anche come dovrebbe essere??

Così ... ad occhio nella stringa "ì" i caratteri che ho marcato in rosso sembrano tanto il byte iniziale di una codifica UTF-8. Il resto però non mi quadra molto ....

[ally]

...queste stringhe sono derivate da una migrazione di in un db Sql Server a mySql...di piu' non so dirti sull'origine dei dati...

à  => à

ò =>  ò

è => è

...grazie ciao...

[ally]

...in altre tabelle pero sembra che ci sia una diversa codifica...

Più => piu'

Non È => non è

Amerò => amerò

...grazie ciao...

[andbin]

Originariamente inviato da ally

Più => piu'

Non È => non è

Amerò => amerò

Partiamo da questo caso che è più semplice:

In Più ci sono 2 caratteri per codificare la 'ù': 'Ã' ha codice U+00C3 e '¹' ha codice U+00B9. Nella codifica UTF-8 la sequenza C3h B9h codifica il carattere unicode U+00F9, cioè proprio la lettera 'ù'.
Le altre due parole sono allo stesso modo.

Originariamente inviato da ally

à  => à

ò =>  ò

è => è

Questo è più tosto ... non sono ancora riuscito a capire bene. Credo che siano avvenute diverse transcodifiche in sequenza, altrimenti non riuscirei a capire come una 'è' sia diventata ben 8 caratteri. Che tra l'altro, presi a coppie, "sembrano" pure loro in UTF-8 (ma il secondo carattere di ogni coppia comunque mi sembra strano).

[ally]

...mh...penso cha la sostituzione delle stringhe in un carattere specifico sia la strada migliore per sistemare la questione...formattero' prima l'ipotetica utf-8 per poi sistemare il caso piu' semplice...tutto questo dovrebbe riguardare solo le lettere accentuate alla fine vero?...

...grazie ciao...