[résolu] SimpleXML et encodage caractères

**le Sam Aoû 18, 2007 20:37**

Salut WRI,

J'ai un soucis pour parser des fichiers XML dont je ne maitrise pas la source (propreté de l'encodage des caractères)...
S'ils sont bien formés, pas de soucis, mais s'il y a des caractères non UTF8 (ou ISO selon la déclaration), ça plante (Normal)...

Comment, d'après vous, je peux détecter avant de parser ces caractères foireux et les remplacer par, au pire, un blanc...

Merci à toutes les brillantes idées qui vont fuser... ;-)

**le Sam Aoû 18, 2007 21:15**

bienvenue à toi dans le club des 1000, alors c comment là haut

plus sérieusement tu as dû essayer de passer le xml avec un utf8_encode/utf8_decode ?

**le Sam Aoû 18, 2007 21:29**

julienr a écrit:bienvenue à toi dans le club des 1000, alors c comment là haut

Merci, roff, ça doit pas être mal une mongolfière aussi :lol:

Sinon, pour revenir à mon problème, c'est que j'ai des caractères comme ça, par exemple:

Code: Tout sélectionner: �

Et que si j'applique un utf8_encode, je vais avoir les accents qui apparaissent comme ça:

Code: Tout sélectionner: Ã©

C'est pas le but non plus...

En fait, je voudrais juste pouvoir virer les caractères pourris...

**le Sam Aoû 18, 2007 21:50**

Code: Tout sélectionner: str_replace( '?', ' ', $xml );

phpmikedu83 a écrit:Et que si j'applique un utf8_encode, je vais avoir les accents qui apparaissent comme ça:

oui si tu cherches à afficher de l'UTF8 dans une page ISO
pour moi utf8_encode doit te permettre d'uniformiser tes caractères pour le simpleXml. Ensuite tout ce qui est dans l'objet XML doit passer dans un utf8_decode

**le Sam Aoû 18, 2007 22:02**

ça fait la même chose sur le Packrefplex, je vais donc essayer cette technique de STR replace en attendant ...

**le Sam Aoû 18, 2007 22:42**

julienr a écrit:
Code: Tout sélectionner
str_replace( '?', ' ', $xml );

phpmikedu83 a écrit:Et que si j'applique un utf8_encode, je vais avoir les accents qui apparaissent comme ça:

oui si tu cherches à afficher de l'UTF8 dans une page ISO
pour moi utf8_encode doit te permettre d'uniformiser tes caractères pour le simpleXml. Ensuite tout ce qui est dans l'objet XML doit passer dans un utf8_decode

au temps pour moi, mon document n'avait pas le bon charset...

pour autant, s'il existe un moyen de détecter ces caractères bizzaroïdes dans une chaîne, ça m'intéresse ;-)

**le Dim Aoû 19, 2007 2:00**

un début de solution ?
=> http://www.tux-planet.fr/blog/?2007/04/ ... age-en-php

**le Dim Aoû 19, 2007 7:18**

Je viens de trouver ça http://64.233.183.104/search?q=cache:dN ... d=11&gl=fr

Mais pas encore de solution

**le Dim Aoû 19, 2007 7:32**

bozoleclown a écrit:un début de solution ?
=> http://www.tux-planet.fr/blog/?2007/04/ ... age-en-php

Non, car si je fait un htmlentities, ça rend ma string XML inexploitable...
Quand au mb_detect_encoding, il n'est d'aucune utilité, car le document contient des erreurs de caractères...

Ce que j'aimerais, et c'est pas plus mal, c'est détecter avant d'instancier la class que le document va poser problème et traiter l'erreur en ne parsant pas, par exemple...

**le Dim Aoû 19, 2007 7:49**

Cher voisin varois qui bosse aussi le dimanche

Je pense que mon lien plus haut signifie qu'il n'est en fait pas possible de modifier les ? car php analyse cela par une erreur et remplace automatiquement le caractère qui pose problème par ?

**le Dim Aoû 19, 2007 12:00**

cloacking a écrit:Cher voisin varois qui bosse aussi le dimanche
Je pense que mon lien plus haut signifie qu'il n'est en fait pas possible de modifier les ? car php analyse cela par une erreur et remplace automatiquement le caractère qui pose problème par ?

Ok ok, dommage... mais là ça marche comme ça, tout en gardant les caractères bizzaroïdes qui sont évidemment reproduits par la suite... j'aurais préférer traiter ça comme une erreur avec mon script, mais bon!

**le Dim Aoû 19, 2007 13:28**

cloacking a écrit: car php analyse cela par une erreur et remplace automatiquement le caractère qui pose problème par ?

php n'analyse pas les chaînes de caractères et ne remplacent pas les caractères mal encodés par des "?"

c'est le navigateur qui n'arrive pas à décoder le caractère et qui met un "?" ou au truc bizarrerie à la place.
php ne fait qu'envoyer des chaînes de caractères (suite d'octets) au navigateur qui lui interprète ces suites d'octets en fonction du charset déclaré.

**le Lun Aoû 20, 2007 0:23**

A force d'acharnement, j'ai trouvé comment identifier un mauvais document XML (avec des caractères qui ne correspondent pas charset)

si:

Code: Tout sélectionner: ereg( chr(195) , utf8_decode($flux) );

renvoi true, c'est qu'il y a des caractères foireux dans le fichier XML

ça permet d'intercepter l'erreur et de la traiter... ce qui me ravie :-D

[résolu] SimpleXML et encodage caractères

[résolu] SimpleXML et encodage caractères

Lectures recommandées sur ce thème :

Qui est en ligne