Java

[Java] Manipuler des caractères diacritiques

Recherche :

Mot : Pseudo : Filtrer
Bas de page
Auteur	Sujet : [Java] Manipuler des caractères diacritiques

Predicator

Salut

J'ai cherché un peu partout dans l'API Java une classe qui permet de récupérer des caractères ASCII depuis une String avec des caractères diacritiques dedans... La seule chose que j'ai trouvé (dans java.text), c'est la possibilité de comparer des caractères diacritiques avec des caractères ASCII, mais aucune possibilité de passer du premier au second :heink:

Vous connaissez un moyen de faire ça ? Merci :hello:

Publicité

benou

ben pour récupérer ton caractère tu fais juste taString.charAt(lIndexDeTonCaractere);
Ca te retourne un char. (Les chars java sont des caractère unicodes).

Pour récupérer le code de ce caractère, tu as juste à le cast en int :
int code = (int) tonChar;

J'ai répondu à la question ?

---------------
ma vie, mon oeuvre - HomePlayer

Predicator

benou a écrit :

heu ça dépend...
oui si ((int) 'a' = int 'à') par exemple
non sinon
le but est de supprimer tous les caractères diacritiques dans une chaine et de les remplacer par le caractère ASCII associé
é -> e
è -> e
à -> a
etc...

benou

ha ok ...
bon ben ca non, ca existe pas. enfin je pense pas ...

Predicator

c'est bien ce qui me fait peur...
pourtant si Java est capablke de comparer 'à' et 'a' (dans le package java.text) je comprend pas qu'il puisse pas passer du premier au second.

surtout que si j'ai bien compris, Java utilise UTF-8 pour encoder Unicode, et du coup, le premier octet représente le caractère non accentué, et le second l'accent...

bon j'ai une solution de rechange, mais avouez que passer par PostgreSQL pour délester une chaine Java de ses accents, c'est méga sioux !

benou

Predicator a écrit :

surtout que si j'ai bien compris, Java utilise UTF-8 pour encoder Unicode, et du coup, le premier octet représente le caractère non accentué, et le second l'accent...

ben dans ce cas là avec un petit ET binaire tu t'en sors [:spamafote]

schnapsmann

Zaford Beeblefect

Predicator a écrit :

surtout que si j'ai bien compris, Java utilise UTF-8 pour encoder Unicode, et du coup, le premier octet représente le caractère non accentué, et le second l'accent...

non²

-java utilise UTF-32 pour encoder unicode (aka un glyphe tjrs sur 4 octets) ce qui est != d'UTF-8 ou un glyphe est encodé sur un nombre variable d'octets variant de 1 à 6.

-et non ça ne se goupille pas comme ça en UTF-8 pour certains glyphes accentués tel que le é

Message édité par schnapsmann le 08-01-2004 à 00:44:12

---------------
From now on, you will speak only when spoken to, and the first and last words out of your filthy sewers will be "Sir!"

nraynaud

lol

ratai, c'est UTF-16.

edit : pour éviter tout contestation :
http://java.sun.com/docs/books/jls [...] .html#9151

Message édité par nraynaud le 08-01-2004 à 07:57:37

---------------
trainoo.com, c'est fini

Predicator

OK merci pour ces précisions
mais on m'enlèvera pas de l'idée que si Java sait comparer 'à' et 'a', alors il sait passer du premier au second, et ne pas permettre de le faire, c'est chelou :heink:

nraynaud

lol

Predicator a écrit :

UTF-8 pour encoder Unicode, et du coup, le premier octet représente le caractère non accentué, et le second l'accent...

oulà, pas du tout, fait gaffe à ne pa partir sur ce genre d'idées.

petit extrait de la RFC 2279 :

Citation :

In UTF-8, characters are encoded using sequences of 1 to 6 octets. The only octet of a "sequence" of one has the higher-order bit set to 0, the remaining 7 bits being used to encode the character value. In a sequence of n octets, n>1, the initial octet has the n higher-order bits set to 1, followed by a bit set to 0. The remaining bit(s) of that octet contain bits from the value of the character to be encoded. The following octet(s) all have the higher-order bit set to 1 and the following bit set to 0, leaving 6 bits in each to contain bits from the character to be encoded.

The table below summarizes the format of these different octet types. The letter x indicates bits available for encoding bits of the UCS-4 character value.

UCS-4 range (hex.) UTF-8 octet sequence (binary)
0000 0000-0000 007F 0xxxxxxx
0000 0080-0000 07FF 110xxxxx 10xxxxxx
0000 0800-0000 FFFF 1110xxxx 10xxxxxx 10xxxxxx

0001 0000-001F FFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
0020 0000-03FF FFFF 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
0400 0000-7FFF FFFF 1111110x 10xxxxxx ... 10xxxxxx

En gros ce qu'on en retient c'est que le nombre de 1 en tête du premier octet donne le nombre d'octets qu'il reste à lire pour le caractère courant.

Pour UTF-16 ça semble être un bordel monstre et différent, mais je suis pas sûr, j'ai trouvé aucun document clair.

---------------
trainoo.com, c'est fini

Publicité

nraynaud

lol

Predicator a écrit :

ben fais ta table de convertion. Tiens, je vais le faire, ça me fait tripper ce truc.

---------------
trainoo.com, c'est fini

nraynaud

lol

Predicator a écrit :

c'est où dans le package java.text ? je trouve pas le collator kivabien.

---------------
trainoo.com, c'est fini

Predicator

nraynaud a écrit :

oulà, pas du tout, fait gaffe à ne pa partir sur ce genre d'idées.

petit extrait de la RFC 2279 :

Citation :

alors j'ai du dire une boulette et ça doit être UTF-16 qui peut marcher comme ça :jap:
j'ai un collègue qui travaille sur ce genre de chose, et il m'a expliqué que pour un même codage (UTF-16 donc, j'ai du me tromper), il y avait aussi les 2 méthodes, à savoir :

- codage du caractère et son symbole diacritique
- codage du caractère sur un octet et son symbole diacrtique sur l'octet suivant

les deux peuvent être mélangés, et en gros j'ai pas essayé de comprendre exactement comment ça marchait :lol:

Predicator

nraynaud a écrit :

c'est où dans le package java.text ? je trouve pas le collator kivabien.

comme ça à brûle pourpoint je sais plus, mais c'est un Collator qui te permet de choisir le niveau de comparaison de 2 chaînes :

- primaire : ni accent ni casse ne comptent
- secondaire : insensible à la casse
- tertiaire : sensible aux accents et à la casse

nraynaud

lol

Predicator a écrit :

Ok, je vois, j'ai pas regardé ces collators, ils avaient un nom qui me plaisait pas.
http://java.sun.com/j2se/1.4.2/doc [...] #SECONDARY

je vais voir ça.

---------------
trainoo.com, c'est fini

FORUM HardWare.fr

Programmation

Java

[Java] Manipuler des caractères diacritiques

Sujets relatifs
[java] difference SUN / IBM Sdk	[JAVA] 5.3-5.2= ??
[PHP] Couper une chaîne de caractères...	[java/algo] Concours - implémenter une itf simple de gestion d'agenda.
manipuler un pointeur de structure ( question de noob dsl )	[HTML] caractères spéciaux html : tous les utiliser ??
Recherche editeurs de jeu en flash ou java?	[java]Problème d'import de classe swing
[JAVA] Où trouver une bonne initiation à la création de webservices ?	Un script en java pour réactualiser une image ?
Plus de sujets relatifs à : [Java] Manipuler des caractères diacritiques

Page générée en 0.083 secondes