FileReader.ReadLine() : Interpretazione errata di caratteri

[GrandeTimoniere]

Un banalissimo file di testo (ESEMPIO.TXT) è composto da tante righe che contengono, ad eccezione della prima, un carattere accentato (àèéìòù) o speciale (°).

Contenuto del file ESEMPIO.TXT:

Prova
Provà
Provè
Prové
Provì
Provò
Provù
Prov°

Se provo ad aprire il file (ometto l'intero codice perché inutile) con il comando...

WebSitePref = FileReader.ReadLine()

...la variabile WebSitePref presenta un valore strano (ad eccezione del primo rigo): ecco quello che compare nella Finestra di controllo immediato dopo la lettura del primo rigo...

? WebSitePref
"Prova"
? len(WebSitePref)
5


...e dopo la lettura di tutti gli altri righi:



? WebSitePref
"Prov�"
? len (WebSitePref)
5


Come si può notare, la lunghezza di WebSitePref è corretta (sempre 5 caratteri, cioè non ci sono caratteri "nascosti"), ma il carattere "speciale" � è sempre lo stesso per tutte le vocali accentate. Se fosse ogni volta diverso non avrei difficoltà a mettere un If Asc(Carattere) = X Then Carattere ="è" (o simile).

Come posso risolvere la faccenda e ottenere le vocali accentate originali?

[oregon]

(ometto l'intero codice perché inutile)

... ed invece mostralo ...

[GrandeTimoniere]

... ed invece mostralo ...

...oops! Immagino già che il mio problema risiede nell'apertura del file. Evito la pubblicazione dell'intera funzione (sono oltre 250 righe!) e riporto quelle che - a mio parere - sono quelle significative. In caso contrario, pubblicherò tutto.

Dim NomeFile, Buf, WebSitePref, FilePref, Lab10_Temp, TempoCarica As String


[...eccetera...]


Dim FileReader As StreamReader = New StreamReader(NomeFile)

[...eccetera...]


Do

WebSitePref = FileReader.ReadLine()

If Len(WebSitePref) > 0 Then ' esclude righe vuote

ListBox7.Items.Add(Microsoft.VisualBasic.LCase(Web SitePref)) : F = F + 1

End If

Loop Until WebSitePref Is Nothing


.


PS: non capisco perché, ma nella penultima riga di questo post WebSitePref compare "separato" (Web SitePref). Ovviamente nel codice è "intero".

[oregon]

Il codice va inserito tra tag CODE ... per evitare quei problemi.

Comunque, dipende da come hai creato quel file di testo ... e quindi dalla codifica usata. Forse risolvi con

Dim FileReader As StreamReader = New StreamReader(NomeFile, System.Text.Encoding.GetEncoding(850))

[GrandeTimoniere]

1) Il codice va inserito tra tag CODE ... per evitare quei problemi.

2) Comunque, dipende da come hai creato quel file di testo ...
[/code]

1) Grazie, mi era proprio sfuggito.
2) L'ho scritto con Notepad.

Più o meno funziona, nel senso che - almeno adesso - i caratteri sono diversi tra loro (e quindi facilmente identificabili). Ma è possibile cambiare parametro e avere proprio quelli della tastiera italiana? Ecco come vengono identificati con la modifica suggerita:

"ProvÓ"
"ProvÞ"
"ProvÚ"
"Prový"
"Prov‗"
"Prov¨"
"Prov░"

[oregon]

Prova con il 437, oppure usa un editor che tratti gli Unicode e usalo (es. Notepad++)

[GrandeTimoniere]

Prova con il 437, oppure usa un editor che tratti gli Unicode e usalo (es. Notepad++)

Non è 437 ma 1252 (che corrisponde ai caratteri latini).
Inoltre, proprio grazie alla tua segnalazione, ho trovato questo link che potrebbe essere utile per chi vuole approfondire lo studio sui vari set di caratteri internazionali (giapponese e cinese compresi).

[GrandeTimoniere]

Aargh! Non ci siamo ancora:

Facendo vari test ho notato che i testi scritti con Notepad sono interpretati correttamente, ma le stringhe generate in altro modo(?) no. Per esempio, il nome del file di questa mail (che in Esplora Risorse lo leggo proprio così)...

re_ martedì.eml

...è interpretato così:

re_ marted�.eml

...che come si può notare al posto di ì (un solo carattere) ne ha tre:

�

Si tratta del nome del file di risposta a una mail che ho ricevuto da un mio amico francese che ha scritto con una tastiera francese. Forse riesco a trovare il codice corretto, ma rimane il problema: è possibile creare una procedura che riesca a capire con quale tastiera è stata scritta una stringa?

[oregon]

Aargh! Non ci siamo ancora:

Facendo vari test ho notato che i testi scritti con Notepad sono interpretati correttamente, ma le stringhe generate in altro modo(?) no. Per esempio, il nome del file di questa mail (che in Esplora Risorse lo leggo proprio così)...



...è interpretato così:



...che come si può notare al posto di ì (un solo carattere) ne ha tre:

Si tratta del nome del file di risposta a una mail che ho ricevuto da un mio amico francese che ha scritto con una tastiera francese. Forse riesco a trovare il codice corretto, ma rimane il problema: è possibile creare una procedura che riesca a capire con quale tastiera è stata scritta una stringa?

Non è questione di "tastiera" ma di set di caratteri usati per l'encoding.

Non esiste quindi una sola soluzione dato che i file possono essere codificati in vari modi. Questo sembra Unicode. In questo caso prova a non inserire affatto il secondo parametro (l'encoding).

[GrandeTimoniere]

[...] Non esiste quindi una sola soluzione dato che i file possono essere codificati in vari modi. Questo sembra Unicode. In questo caso prova a non inserire affatto il secondo parametro (l'encoding).

...uhmm... non ho capito: intendi così?

Dim FileReader As StreamReader = New StreamReader(NomeFile)

Ma è proprio il codice (che non funziona) e che ho citato nel mio post n. 3.

Pensavo che per "non inserire affatto il secondo parametro" intendessi l'eliminazione del valore numerico ...

Dim FileReader As StreamReader = New StreamReader(NomeFile, System.Text.Encoding.GetEncoding())

...ma ovviamente ho capito male perché fornisce errore:

Errore 2 Risoluzione dell'overload non riuscita perché nessun 'GetEncoding' accessibile accetta questo numero di argomenti.