[ CallMeSaMaster @ 09.11.2009. 15:40 ] @
Pozdrav svima,

pitanje vezano za validaciju encoding-a:

Ako u XML documentu u zaglavlju pise koji encoding koristi taj document, recimo UTF-8, kako mogu da validiram cijeli dokument da li su podaci u njemu stavrno tog encodinga. Recimo da mi se pojavi nekiki kineski znak u xml fajlu, trebam da kazem xml fajl je pogresnog encodinga.

Trebao bih to iz code-a provjeriti pa ako neko ima ideju bio bih mnogo zahvalan.

[ mmix @ 09.11.2009. 16:45 ] @
Kineski znak je savrseno ispravan utf-8 karakter.

utf-8 (ni utf-16) nije vezan ni za kakav konkretan codepage i omogucava endoing punog seta unicode karaktera, dakle ne razlikuju se po tome STA vec KAKO kodiraju.
[ CallMeSaMaster @ 09.11.2009. 21:22 ] @
Ok mozda sam uzeo glup primjer, mislio sam da je lakse shvatiti. Ali evo objasnjenje:

Aplikacija ocekuje recimo XML sa encodingom UTF-8. Korisnik moze sam da napravi xml, bilo kakav, zatim da stavi u zaglavlju encoding definiciju

Code:
<?xml version="1.0" encoding="UTF-8"?>


Sve to medjutim spasi kao ansi file. I aplikacija mi treba naravno kada importuje xml, da kaze da file nije korektan. Znaci mislio sam na to, kako provjeriti da li je XML file stavrno tog encodinga koje mu pise u zaglavlju.
[ mmix @ 09.11.2009. 22:05 ] @
Pa mozes da ga provuces striktno kroz utf-8 decoder, to bi ti detektovalo nelegalne pozicije (npr ansi kodove F5-FF i multipart kodeove C2-F4 pracene nelegalnim sekundarnim kodovima van opsega 80-BF)
medjutim ako ansi string zaobilazi ove kodove (npr ako pase u ascii 00-7F) onda realno nemas sanse da to otkrijes jer je ascii fajl legitiman utf-8 fajl.
Nemoj da se oslanjas na Byte-order mark potpis na pocetku fajla, on nije obavezan.