[java] code ascii d'un char mais en unicode 8

Hello,

En fait je me suis mal expliqué ... je cherche à décompresser des strings compressées en utilisant l'algo de compression LZW. Pour le moment la compression à lieu en FLASH Action Script 3.
Or lors de la décompression en flash de la même chaine, lorsque j'arrive sur un caractère type ã (ou Ä) j'obtiens avec la fonction var code:int = txt2decode.charCodeAt(i) ;
des codes > 255 c'est même tout l'intéret de l'algo.
Lorsqu'il trouve des séquences identique, il leur attribue une place dans le dico et met dans la chaine l'index de cette séquence dans le dico. par exemple "<c" est inséré dans le dico en position 257 et le caractère dont le code "ascii" correspond à 257 est inséré dans la string compressée.

toute la difficulté est de convertir la fonction AS3 (flash 9) charCodeAt() en java ...

Voici le code compression/decompression en flash as3 :

         //conversion en AS3 de l'algorythm de Zeh Fernando version 1.0.0
	
	public class LZW {
		
		static var headerversion:String = "v1.0";
		
		// ===============================================================
		// COMPRESSION function -------------------------------------
		public static function compress (txt2encode:String): String {
			
			var dico:Array = new Array() ;
			for ( var i:int =0 ; i<256 ; i++)    dico[ String.fromCharCode (i) ] = i ;
			var result:String = "";
			var splitStr:Array = txt2encode.split("") ;
			var length:int = splitStr.length ;
			var nbChar:int = 257 ; // Nombres de caractères courant dans le dictionnaire
			var buffer:String = "" ; // initialisation du tampon buffer
			
			for (i=0 ; i <= length  ; i++) {
             	var current = splitStr[i] ;
				if ( dico[ buffer + current ] !== undefined ) {
					buffer += current ;
				} else {
					result += String.fromCharCode ( dico[buffer] ) ;
					dico [buffer + current] = nbChar++;
					buffer = current ;
				}
			}
			return (headerversion+result);
		}
		// ===============================================================
		// FAST DECOMPRESSION function -----------------------------------
		public static function decompress (txt2decode:String): String {
			
			txt2decode = txt2decode.substring(headerversion.length);// on supprime le  header "v1.0"
			
			var dico:Array = new Array() ;
			for ( var i:int =0 ; i<256 ; i++) {
				var c:String = String.fromCharCode (i) ;
				dico[c] = c ;
			}
			var splitStr:Array = txt2decode.split("") ;
			var length:int = splitStr.length ;
			var nbChar:int = 257; // nombre de caractère courant dans le dictionnaire
			var buffer:String = "" ; // initialisation du tampon mémoire
			var chaine:String = "" ; // chaine temporaire
			var result:String = "" ; // chaine retournée à la fin de la décompression
			for (i = 0 ;  i < length ; i++) {
				var current:String = splitStr [i] ;
				var code:int = txt2decode.charCodeAt(i) ;
				
				//trace("code "+code+" "+splitStr[i]);
				
				if (buffer == "") {
					buffer = current ;
					result += current ;
				} else {
					if ( code <= 256 ) {
						result += current ;
						chaine = buffer + current ;
						dico[nbChar] = chaine ;
						nbChar ++ ;
						buffer = current ;
					} else {
						chaine = dico [code] ;
						result += chaine ;
						dico [nbChar] = buffer + chaine.slice (0, 1);
						nbChar ++ ;
						buffer = chaine ;
					}
				}
			}
			return result;
		}
		// ===============================================================
	
	
	}//public class LZW

Pour infos, l'exemple de chaine que je compresse est :
"<call>
<cmd>login</cmd>
<callback>login</callback>
<id_membre>255</id_membre>
<id_site>0</id_site>
<pseudo>toto</pseudo>
</call>"

qui devient quelque chose comme (je suis pas sûr que le debugger + le copier/coller préserve les caractères ...) :

<call>āmd>login</cċĆĈāălbackčďđēĂĄĜĞėĉid_membre>255ēĪĬĮİIJćĩīsitIJ0ķĿŁļĘpseudo>toőēŊŌŎĆģĚ>"""

Merci pour ton aide !!

Il me semble que java travaille en interne avec des caractères UTF-16. Donc, le code d'un caractère d'une chaîne java est renvoyé en UTF-16.

C'est une bonne idée de travailler à partir d'un tableau d'octets grâce à getBytes ("UTF8");
Mais il ne faut pas reconvertir ce tableau en chaîne, car java semble alors les retraduire implicitement en UTF16

As-tu essayé tout simplement :

int length = txt2decode.length();
byte[] utf8Bytes = txt2decode.getBytes ("UTF8");
for (int i = 0; i < length; i++)
{
int code = utf8Bytes[i];
...
}

bonjour,

bizarrement, il me renvoi -61 pour le Ä .... mais on progresse :)

Merci

Tu as un tableau de bytes. Les bytes java sont codés de -128 à 128, je crois.
Il faut peut-être les convertir avec l'opération & 0xff pour les rétablir dans la tranche entre 0..255

Essaie ça et dis-moi :

int length = txt2decode.length();
byte[] utf8Bytes = txt2decode.getBytes ("UTF8");
for (int i = 0; i < length; i++)
{
int code = utf8Bytes[i] & 0xff;
...
}

Tu as un tableau de bytes. Les bytes java sont codés de -128 à 128, je crois.
Il faut peut-être les convertir avec l'opération & 0xff pour les rétablir dans la tranche entre 0..255

Essaie ça et dis-moi :

int length = txt2decode.length();
byte[] utf8Bytes = txt2decode.getBytes ("UTF8");
for (int i = 0; i < length; i++)
{
int code = utf8Bytes[i] & 0xff;
...
}

Une petite fonction utile qui imprime les octets d'une chaîne en fonction de l'encodage choisi..
NB ici la conversion des byte java -128..127 en 0..255 (int) se fait implicitement par la lecture avec read() dans un flux ByteArrayInputStream.

import java.io.*;
import java.util.*;

public class StringEncodings
{
public static void printBytes (String s, String charsetName) throws UnsupportedEncodingException
{
int length = s.length ();

byte[] bytes = s.getBytes (charsetName);
ByteArrayInputStream in = new ByteArrayInputStream (bytes);

int byte255;
while ((byte255 = in.read ()) != -1)
{
System.out.print (byte255 + " ");
}
System.out.println();
}

public static void main (String[] args) throws UnsupportedEncodingException
{
printBytes ("ÂÄÔÖÎÛÜ", "ISO-8859-1"); // encodage occidental
printBytes ("ÂÄÔÖÎÛÜ", "UTF-16");
printBytes ("ÂÄÔÖÎÛÜ", "UTF-8");
}

}

finalement, c'est bon, ce code est bon, (au détail du dernier caractère près), le pb venait essentiellement du socket qui modifiait la string à la réception, j'ai tout passé en UTF-8 et ça tourne nickel !!!

Merci encore pour votre aide, ça m'a énormément fait avancer !!

Stéphane