| |
|
Voir le sujet précédent :: Voir le sujet suivant
|
| Auteur |
Message |
| |
|
xanti
Nouveau WRInaute
Inscrit le: 06 Mar 2004
Messages: 47
Localisation: bretagne
|
 Posté le : Lun Mar 13, 2006 21:24 Sujet du message: détection encoding fichier xml |
|
|
Bonjour
je voudrais détecter l'encodage d' un fichier xml (utf-8, iso-8859-1) via un script ou une fonction php, j'ai beau chercher sur la toile, j'ai rien vu d'intéressant, si quelqu’un à un exemple ou une piste pour résoudre mon problème je suis preneur. |
|
| |
|
 |
oxado
Nouveau WRInaute
Inscrit le: 24 Nov 2005
Messages: 34
|
| Posté le : Mar Mar 14, 2006 0:30 Sujet du message: Re: détection encoding fichier xml |
|
|
Salut,
| xanti a écrit: |
| je voudrais détecter l'encodage d' un fichier xml (utf-8, iso-8859-1) via un script ou une fonction php, j'ai beau chercher sur la toile, j'ai rien vu d'intéressant, si quelqu’un à un exemple ou une piste pour résoudre mon problème je suis preneur. |
A moins que l'encodage soit explicitement donné dans le header XML ou dans le Content-Type si le fichier XML est obtenu via HTTP, il n'y a pas toujours de moyen de savoir à 100% si un fichier est encodé en UTF-8 ou en ISO-8859-1.
Ce qu'il est possible, c'est d'éliminer la possibilité qu'un fichier soit en UTF-8 en vérifiant qu'il est correctement encodé: certaines séquences de caractères ne sont pas possibles en UTF-8 alors qu'elles le sont en ISO.
Petit bout de perl qui fait ça:
| Code: |
# returns 0 if the string is definitely NOT UTF-8
# returns 1 if the string may very well be UTF-8 (but this is not 100% sure)
sub check_utf8
{
my ($word) = @_;
return 0 if (!defined $word);
my (@c) = split //,$word;
my ($c);
while (defined ($c = shift @c))
{
$c = ord $c;
if ($c >= 0xc0 && $c <= 0xdf)
{
$c = ord shift @c;
return 0 if ($c<0x80 || $c >0xbf);
}
elsif ($c >= 0xe0 && $c <= 0xef)
{
$c = ord shift @c;
return 0 if ($c<0x80 || $c >0xbf);
$c = ord shift @c;
return 0 if ($c<0x80 || $c >0xbf);
}
elsif ($c >= 0xf0 && $c <= 0xf7)
{
$c = ord shift @c;
return 0 if ($c<0x80 || $c >0xbf);
$c = ord shift @c;
return 0 if ($c<0x80 || $c >0xbf);
$c = ord shift @c;
return 0 if ($c<0x80 || $c >0xbf);
}
elsif (($c >= 0x80 && $c <=0xbf) || ($c >= 0xf8))
{
return 0;
}
}
return 1;
}
|
J'ai écrit ça il y a un bout de temps donc ce n'est probablement pas optimal du tout, mais bon, ça marche 
Si la fonction renvoie 0, on est sur que ce n'est pas de l'UTF-8, donc a priori (dans nos contrées) c'est de l'ISO-8859-1 (mais n'importe où ailleurs ça peut être un peu n'importe quel jeu de caractères). Si la fonction renvoie 1, ça peut être de l'UTF-8 (et dans nos contrées, il y a de fortes chances que c'en soit, ça fait des choses assez bizarres en ISO-8859-1 en général), mais ce n'est pas garanti (et dans certains jeux de caractères c'est tout à fait possible que ce n'en soit pas).
Evidemment plus le texte est long, plus la probabilité est forte, mais bon.
Jacques. |
|
| |
|
|
xanti
Nouveau WRInaute
Inscrit le: 06 Mar 2004
Messages: 47
Localisation: bretagne
|
| Posté le : Mar Mar 14, 2006 18:45 Sujet du message: détection encoding fichier xml |
|
|
| merci pour les infos !!! |
|
| |
|
|
| |
|
|
|
|
Autres sujets de discussion :
Définitions :
|
|
