[Index Software] Coin des développeurs :]

[Bubu]

Non, moi j'y connais rien !
Peut-être faudrait-il préciser quand même le langage de l'API que tu recherches, non ?

[Tugdual]

Peut-être faudrait-il préciser quand même le langage de l'API que tu recherches, non ?

Pas forcément ...

Mon questionnement de fond concerne le codage des
chaines de caractères, particulièrement en Unicode,
dans les APIs des systèmes d'exploitations (ce qui,
je l'espère, est à peu près normalisé dans les APIs) ...

Quelqu'un habitué à utiliser ces APIs me ferait gagner
du temps. De ce que j'ai pu voir dans mes premières
recherches, Linux gère ses chaines en UTF8, tandis
que Windows les gère en UTF16 (little endian ?) ...

Ça reste à confirmer. Mais ça s'annonce sportif pour
faire évoluer une vieille bibliothèque de chaines à
l'ancienne en version Unicode bi-plateforme ...

[Bubu]

Quelqu'un habitué à utiliser ces APIs me ferait gagner
du temps.

Eh bien malheureusement, ce ne sera pas moi.

[Tugdual]

Tant pis ...

[Bubu]

Tip of the day :
le type 'char' en C et C++ est codé sur un octet, 8 bits.
le type 'char' en Java est codé sur 2 octets, 16 bits.
Bref....

Vous savez ce qu'il y a de pire quand on programme pour Android ?
Non, ce n'est pas le fait que les tailles d'écrans sont arbitraires. (C'est embêtant mais on exprime tout en rapports de tailles d'écran, c'est tout. )
Même pas le fait qu'il y a un nombre incalculable de 'périphériques'.

C'est d'utiliser Android Studio ! Je n'avais encore jamais vu un IDE qui rame tant.


Sinon.... j'ai une vraie question :
Connaissez vous un format de fichier que Java peut lire en mode texte qui puisse représenter tout texte, de toute langue ? (Même hors de notre alphabet latin)

[Benoit]

Je ne pratique pas ce langage. En général la sélection de l'encodage de caractère appliqué à un programme est gérable par la modification des propriétés régionales, en tout cas c'est comme ça qu'on fait chez les gens sérieux.

[Bubu]

Merci pour ta réponse. Disons que je ne suis pas sérieux, alors.
Pour l'instant j'ai un fichier utf8 qui contient le français, l'anglais et l'espagnol.
Je veux juste connaître un codage de caractères qui puisse représenter toutes les langues.
(Je me dis que ça existe car les 'char' en Java sont sur 16 bits .... plus de 65.000 caractères codables)

[Ixy]

Ben unicode non ?


https://fr.wikipedia.org/wiki/Unicode

[Bubu]

Ben unicode non ?


https://fr.wikipedia.org/wiki/Unicode

Oui , je crois que c'est ça que je cherchais ! Merci !

[Benoit]

Il me semble qu'une appli unicode charge en memoire beaucoup trop de trucs pour un usage simple (si 2 bytes suffisent)

C'est encore pire pour les langues basees sur les ideogrammes mais qui n'en exploitent pas un quart.

Ceci dit, il y a peut etre des optimisations.

[Tugdual]

Les normes UTF-8, UTF-16 et UTF-32 se contentent
d'encoder de l'UNICODE (basé sur l'ISO-10646), et
permettent de prendre en compte 0x110000 caractères
(17 plans de 16 bits), soit tous les caractères possibles.

Donc attention : tout caractère ne tient pas sur 16 bits,
puisque certains peuvent être codés sur jusqu'à 20+1 bits.

De plus, ces normes ne codent pas les caractères, mais
des "points de code", qui peuvent représenter aussi bien
des caractères que des morceaux de caractères, voire des
informations non affichables (par exemple la ligature).

Un caractère affichable (genre caractère accentué)
peut en outre avoir plusieurs codages possibles,
ce qui complique les comparaisons et les tris ...
Pour y remédier, la norme UNICODE propose
plusieurs formes de normalisation de ces codages ...

Enfin, les polices de caractères gèrent très rarement
tous les points de codes définis dans ces normes ...

Bref, la gestion de chaines n'est plus si simple ...

[Ixy]

On peut même dire que c'est un cauchemar


C'est comme Python qui ne veut pas fonctionner sur mon ordi car il y a un caractère spécial dans mon nom d'utilisateur Comme c'est stupide

[Bubu]

Oui ça à l'air d'être l'horreur bien comme il faut ....
Sinon, je pensais à coder le texte dans un fichier xml plutôt que dans un texte brut. Tout caractère devrait être codable, non ?
Qu'en pensez-vous ?

[Tugdual]

Sinon, je pensais à coder le texte dans un fichier xml plutôt que dans un texte brut. Tout caractère devrait être codable, non ?

Tout caractère UNICODE est codable par
les normes UTF-8, 16 et 32, c'est même
exactement pour ça qu'elles ont été conçues ...
Note tant que j'y pense : gaffe en UTF-16,
il y a deux normes (Little et Big Indian).

C'est juste qu'on a définitivement perdu
l'ancienne correspondance bien pratique
"un caractère" = "un octet (ou un mot)",
pour passer à "un caractère" = "un nombre
variable de points de codes de 8 à 20+1 bits" ...

Ce n'est pas gênant au niveau du stockage,
(que ce soit en mémoire ou dans un fichier)
mais c'est plus compliqué pour toutes les
opérations de plus haut niveau (comparaison
et tri en tête), et même pour l'affichage ...

C'est d'ailleurs pour gérer cette complexité
que le norme UNICODE ajoute des règles à
la norme sur laquelle elle s'appuie (ISO-10646).

En fait, je ne vois pas ce qui te pose soucis ...

Ainsi :

Pour l'instant j'ai un fichier utf8 qui contient le français, l'anglais et l'espagnol.

Ok.

Je veux juste connaître un codage de caractères qui puisse représenter toutes les langues.

Tu es en UTF-8 : c'est donc le cas.

Où est le problème ?

[Bubu]

Où est le problème ?

Au fait, merci pour tes 2 réponses très détaillées.
Je crois que le problème, c'est que j'y comprends et connais rien ....
Moi à part l'ASCII .....
Si tu me le permets je te MP plutôt pour continuer, à moins que ce soit un sujet intéressant ?