Discussion :

[YvesCa]

Bonjour

j'ai un pb de d�tection de format de fichier. Je travaille en VC6.
Un fichier txt encod� en utf-8 ans BOM est reconnu par Ultra Edit en "U8-DOS", par notepad++ en "ANSI as UTF-8". Lorsque je le visualise en hexa, il commence par "FF FE", or, quelque soit la m�thode que j'utilise pour lire ce fichier, je n'arrive pas � voir ces caract�res FF FE, je lis syst�matiquement les premiers caract�res de texte.
Quelqu'un aurait-il une id�e ?

[zais_ethael]

Ouvrir en mode binaire?

[YvesCa]

M�me �a ne marche pas :
FILE* f;
BYTE * bom = new BYTE[4];
int n = 0;
f = fopen(m_strFichier, "rb");
bom[0] = fgetc(f);
bom[1] = fgetc(f);
delete [] bom;
fclose(f);

[yan]

peut tu donner un fichier comme exemple?

[YvesCa]

D'apr�s mes recherches, il s'agirait plut�t d'un codage UTF-16 LE
J'ai joint le fichier

[yan]

avec quoi visualise tu "FF FE" ?

[YvesCa]

...
j'ai essay� avec hexedit et je n'ai pas ces caract�re...

Comme quoi, j'ai trop d'imagination des fois ....

Bon j'ai r��crit ton fichier en UTf16 avec notepad++.

D�sol�, je ne peux pas me permettre de convertir les fichiers, je ne les maitrise pas, ils arrivent et je dois les traiter .....
C'est justement pour cela que je dois d�tecter leur format, car il peut �tre diff�rent.

Il fallait donc juste l'ouvrir en binaire comme le disait zais_ethael

C'est ce que j'ai fait :

f = fopen(m_strFichier, "rb");

"rb" veut dire en mode read et en binaire

De plus, si je convertis pr�alablement le fichier, je n'ai effectivement plus aucun probl�me.
L�, en fait le probl�me est : comment d�tecter un fichier en UTF-8 sans BOM ?

[yan]

http://www.codeguru.com/cpp/misc/mis...le.php/c10451/
Pour le savoir sans BOM, je pense que tu doit faire une premi�re passe et v�rifier que les octet on le poids le plus fort a 0
un truc comme

Code :

S�lectionner tout - Visualiser dans une fen�tre � part

1
2
3
4
bool Unicode(const char & c)
{
return c & 0x80;
}

[YvesCa]

Je ne sais pas pourquoi, mais l'exemple que j'avais t�l�charg� s'obstine � rester en ASCII.
J'ai refait des exemples test� et v�rifi�s.
Dans les deux cas, c & 0x80 me retourne 0.
Je continue mes recherches sur codeguru .....