[JAVA] Errore nel parsing di flusso XML letto da URL

[loHacker]

Ciao a tutti, sto cercando di usare il web service per il meteo di google, le query sono di questo tipo:
http://www.google.com/ig/api?weather=roma&hl=it

Recupero i dati usando la classe URL passandogli una query come quella sopra.

Se la query la faccio in inglese (parametro hl=en) funziona tutto, invece in italiano quando tento di ottenere l'inputStream mi lancia una IOException con questo messaggio:

Invalid byte 2 of 3-byte UTF-8 sequence

Facendo un po' di prove ho visto che il server di google specifica la codifica UTF-8 mentre in realtà è iso-8859-1.

Come posso fare per leggere il file con codifica iso-8859-1 ?

[andbin]

Originariamente inviato da loHacker
Ciao a tutti, sto cercando di usare il web service per il meteo di google, le query sono di questo tipo:
http://www.google.com/ig/api?weather=roma&hl=it

Recupero i dati usando la classe URL passandogli una query come quella sopra.

Se la query la faccio in inglese (parametro hl=en) funziona tutto, invece in italiano quando tento di ottenere l'inputStream mi lancia una IOException con questo messaggio:


Facendo un po' di prove ho visto che il server di google specifica la codifica UTF-8 mentre in realtà è iso-8859-1.

No. Da browser, provando http://www.google.com/ig/api?weather=roma&hl=it e scaricandolo su file si vede bene (con un hex editor) che ad esempio Umidità è composto dai byte 55 6D 69 64 69 74 C3 A0, dove C3 A0 è proprio la codifica UTF-8 per la "à".

E d'altronde se nel XML non c'è l'encoding dichiarato (come nel caso di questo documento specifico), si deduce l'encoding dal BOM (byte order mark) ma se non c'è nemmeno questo è comunque per default UTF-8. E il Content-Type su HTTP tra l'altro corrisponde essendo anchh'esso UTF-8.

Quindi di una cosa si può essere certi: quel documento è in UTF-8.

[loHacker]

Ciao e grazie per la risposta.
Da cosa è dato allora l'errore nella lettura?

La validazione del file mi da un warning sulla codifica:
http://validator.w3.org/check?verbos...roma%26hl%3Dit

Il codice che uso è di questo tipo:

URL service = new URL("http://www.google.com/ig/api?weather=roma&hl=it");
URLConnection sc = service.openConnection();
InputStream is = sc.getInputStream();

L'eccezione viene lanciata da getInputStream().

[andbin]

Originariamente inviato da loHacker
La validazione del file mi da un warning sulla codifica:
http://validator.w3.org/check?verbos...roma%26hl%3Dit

Sono solo dei warning.
Il primo dice "guarda, non c'è il DOCTYPE" ma è comunque ok. Il fatto che manchi il DOCTYPE vuol solo dire che non ci sono informazioni sulla "semantica", che descrivono ad esempio che dentro <forecast_information> ci deve/può essere <city> ecc...
Ma se non ci sono queste informazioni non è nulla di grave. Vuol dire che non si può validarlo ma solo verificare se è "well formed".
Il secondo dice "guarda, non c'è l'encoding". Ma anche qui nulla di grave, se non c'è il BOM (che può indicare, limitatamente, qualcosa), per default è comunque UTF-8.

Originariamente inviato da loHacker
Il codice che uso è di questo tipo:

URL service = new URL("http://www.google.com/ig/api?weather=roma&hl=it");
URLConnection sc = service.openConnection();
InputStream is = sc.getInputStream();

L'eccezione viene lanciata da getInputStream().

Provato, ma a me non dà alcuna eccezione. E non vedo come potrebbe visto che getInputStream() fornisce solo lo stream "crudo" di byte e non centra nulla con encoding o caratteri.

[loHacker]

Hai ragione, l'errore me lo da quando faccio il parsing dell'xml:

URL service = new URL("http://www.google.com/ig/api?weather=roma&hl=it");
URLConnection sc = service.openConnection();
InputStream is = sc.getInputStream();

//Parsing DOM
DocumentBuilderFactory builderFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder docBuilder = builderFactory.newDocumentBuilder();

Document doc = docBuilder.parse(is);

È il metodo parse che mi lancia la IOException.

[loHacker]

Ok, ho risolto tutto. Per chi ne avesse bisogno questo è il codice che ho usato:

URL service = new URL("http://www.google.com/ig/api?weather=roma&hl=it");
URLConnection sc = service.openConnection();
InputStream is = sc.getInputStream();

//Uso InputSource per poter specificare l'encoding
InputSource inputSource = new InputSource(is);
inputSource.setEncoding("ISO-8859-1");

//Parsing DOM
DocumentBuilderFactory builderFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder docBuilder = builderFactory.newDocumentBuilder();

Document doc = docBuilder.parse(inputSource);