[ASP / XML] UTF-8 karakters inputted via form opslaan in xml

vrijdag 3 augustus 2007 13:46

Acties:

0 Henk 'm!

Verwijderd

Topicstarter

Hallo,

Via een formulier krijg ik data binnen die opgeslaan moet worden in een XLM-bestand. Naast gewone ASCII-input kan de invoer ook bestaan uit Russische of Griekse tekens.
Ik slaag er niet in de karakters correct in de xml te zetten.
- de pagina's en de form staan op utf-8
- de xml staat ook in utf-8 (en bevat zelf al speciale tekens)

HTML: pagina.htm

<html>
     <head>
          <meta http-equiv="content-type" content="text/html; charset=UTF-8">
     </head>
     <body>
          <form name="frm" action="save.asp" method="post" accept-charset="UTF-8">
               <p>
                    <input type="text" name="espanol" value="Tecla de Emergencia">
                    <input type="text" name="russian" value="&#1050;&#1083;&#1072;&#1074;&#1080;&#1096;&#1072; &#1089;&#1080;&#1075;&#1085;&#1072;&#1083;&#1072; &#1090;&#1088;&#1077;&#1074;&#1086;&#1075;&#1080;">
                    <input type="text" name="finnish" value="Hälytysnäppäin">
                    <input type="text" name="greek" value="&#928;&#955;&#942;&#954;&#964;&#961;&#959; &#917;&#953;&#948;&#959;&#960;&#959;&#943;&#951;&#963;&#951;&#962;">
               </p>
               <p><input type="submit" value="save"></p>
          </form>
     </body>
</html>

XML: list.xml

*** opmerking: in het eigenlijke xml-document staan de vreemde karakters als karakter geschreven ipv als code, maar GoT neemt ze hier blijkbaar niet... ***
     <translations>
          <usedbatteries type="text">
               <english>Used batteries</english>
               <deutsch>gebrauchte Batterien</deutsch>
               <francais>Piles usées </francais>
               <espanol>Baterías usadas</espanol>
               <italiano>Batterie scariche</italiano>
               <russian>&#1048;&#1089;&#1087;&#1086;&#1083;&#1100;&#1079;&#1086;&#1074;&#1072;&#1085;&#1085;&#1099;&#1077; &#1073;&#1072;&#1090;&#1072;&#1088;&#1077;&#1080;</russian>
               <polish>Zu&#380;yte baterie</polish>
               <svenska>Använda batterier</svenska>
               <dansk>Brugte batterier</dansk>
               <norsk>Brukte batterier</norsk>
               <finnish>Käytetyt akut</finnish>
               <nederlands>Gebruikte batterijen</nederlands>
               <portuguese>Pilhas usadas</portuguese>
               <greek>&#935;&#961;&#951;&#963;&#953;&#956;&#959;&#960;&#959;&#953;&#951;&#956;&#941;&#957;&#949;&#962; &#956;&#960;&#945;&#964;&#945;&#961;&#943;&#949;&#962;</greek>
          </usedbatteries>
     </translations>

ASP: save.asp

<%@ Language=VBScript %>
<% option explicit %>
<%
     dim XML, xField, xTalen, xTaal, xSub
     Set XML = Server.CreateObject("Msxml2.DomDocument")  
     XML.async = false
     if XML.Load(server.mappath("list.xml")) then 

          ' ... set xTalen = overzicht talen
          ' ... set xField = juiste veld of nieuw veld
          
          for each xTaal in xTalen
               set xSub = xField.selectSingleNode(xTaal.nodeName)
               if xSub is nothing then 
                    set xSub = xml.createElement(xTaal.nodeName)
                    xField.appendChild(xSub)
               end if
               ' xSub.text = request.form(xTaal.nodeName) 
               xSub.text = "&#922;&#945;&#957;&#940;&#955;&#953; &#956;&#957;&#942;&#956;&#951;&#962; &#922;&#945;&#957;&#940;&#955;&#953; &#956;&#957;&#942;&#956;&#951;&#962; "  ' test
*** in bovenstaande tekst staat de string ook in vreemde tekens, maar GoT zet het terug om naar codes... ***
          next 
          XML.save(server.mappath("list.xml"))
     end if
     set xml = nothing
     
'response.end 
     response.redirect request.form("from")
%>

... resultaat is telkens dat er in de xml iets terug te vinden is als "ÎšÎ±Î½Î¬Î»Î¹ Î¼Î½Î®Î¼Î·Ï‚ ÎšÎ±Î½Î¬Î»Î¹ Î¼Î½Î®Î¼Î·Ï‚" ipv "Κανάλι μνήμης Κανάλι μνήμης ", terwijl die karakters wel perfect mogelijk zijn in de xml

Heeft er iemand een idee wat er misloopt?

alvast bedankt,
Benedikt Beun

vrijdag 3 augustus 2007 14:55

Acties:

0 Henk 'm!

4of9

waar bekijk je de xml file in?

Aspirant Got Pappa Lid | De toekomst is niet meer wat het geweest is...

vrijdag 3 augustus 2007 15:01

Acties:

0 Henk 'm!

Icelus

*** opmerking: in het eigenlijke xml-document staan de vreemde karakters als karakter geschreven ipv als code, maar GoT neemt ze hier blijkbaar niet... ***

Dit kun je voorkomen door een [nohtml] tag er omheen te zetten.

... resultaat is telkens dat er in de xml iets terug te vinden is als "ÎšÎ±Î½Î¬Î»Î¹ Î¼Î½Î®Î¼Î·Ï‚ ÎšÎ±Î½Î¬Î»Î¹ Î¼Î½Î®Î¼Î·Ï‚" ipv "Κανάλι μνήμης Κανάλι μνήμης ", terwijl die karakters wel perfect mogelijk zijn in de xml

De eerste string is UTF-8 voor de tweede string, bekeken in een ‘niet UTF-8’ editor.
De tekst is dus wel correct opgeslagen.

Testen in Windows: open kladblok en plak de ‘foute’ tekst. Sla het bestand vervolgens op met codering ANSI. Open het bestand vervolgens met codering UTF-8.

[ Voor 9% gewijzigd door Icelus op 03-08-2007 15:02 ]

Developer Accused Of Unreadable Code Refuses To Comment

vrijdag 3 augustus 2007 15:03

Acties:

0 Henk 'm!

crisp

Devver

Pixelated

Check eerst eens de charset in je HTTP Content-Type header

Intentionally left blank

vrijdag 3 augustus 2007 15:06

Acties:

0 Henk 'm!

RobIII

Admin Devschuur®

^ Romeinse Ⅲ ja!

En zet eens bovenin je .asp (eerste regel!) het volgende:

ASP:

1	<%@Codepage="65001"%>

There are only two hard problems in distributed systems: 2. Exactly-once delivery 1. Guaranteed order of messages 2. Exactly-once delivery.

Je eigen tweaker.me redirect

Over mij

dinsdag 7 augustus 2007 09:22

Acties:

0 Henk 'm!

Verwijderd

Topicstarter

Yes.... dat laatste (@codepage) werkt :-D
bedankt RobIII

@ Icelus: De tekst was in niet-UTF8 opgeslaan in een wel UTF8-bestand, anders zou in de xml de oude, wel correcte UTF8-tekens er niet staan... (eindresultaat van de code was een xml met zowel de wel UTF8-tekens in tags waar niets gewijzigd werd, als de nieuw gewijzigde niet-UTF8-string)

maar ok, het werkt nu dus, bedankt voor jullie input allemaal

woensdag 8 augustus 2007 10:09

Acties:

0 Henk 'm!

Icelus

Verwijderd schreef op dinsdag 07 augustus 2007 @ 09:22:
@ Icelus: De tekst was in niet-UTF8 opgeslaan in een wel UTF8-bestand, anders zou in de xml de oude, wel correcte UTF8-tekens er niet staan... (eindresultaat van de code was een xml met zowel de wel UTF8-tekens in tags waar niets gewijzigd werd, als de nieuw gewijzigde niet-UTF8-string)

Het lijkt dat het script UTF-8 gegevens binnenkreeg maar dacht dat dit ISO-8859-1 (?) was. Vervolgens werd dit naar UTF-8 omgezet en in de XML gezet.

Developer Accused Of Unreadable Code Refuses To Comment

Onderwerpen