1

Tengo que generar una serie de xml recuperando información de una base de datos. La empresa que procesará los xml requiere que solo se empleen caracteres UTF8 pero en la información que recupero de la base de datos existen multitud de carácteres no permitidos como acentos, ñ, ...

Dim b As String = "AaáÁäÄñÑ"
Dim bytes As Byte() = System.Text.Encoding.Default.GetBytes(b)
Dim a As String = System.Text.Encoding.UTF8.GetString(bytes)

Esto me devuelve como caracteres "no extraños" solo la "a" y la "A".

He buscado información sobre los carácteres permitidos en UTF8 pero he visto diferentes tablas y no se muy bien de cual fiarme.

Había pensado es en hacer una sustitución de las vocales acentuadas por no acentuadas, las ñ por n, ... pero no se si habría una solución mas efectiva.

¿Hay alguna manera de optimizar esta tarea? ¿Como puedo obtener la lista de caracteres permitidos en UTF8?

8
  • UTF8 permite caracteres acentuados,ñ,etc...Aqui tienes una lista de caracteres aceptados
    – Pikoh
    Commented el 26 abr. 2017 a las 7:06
  • Creo que estás algo liaillo, o que no te expresas con claridad. La ñ, los caracteres con acentos áéíóú son caracteres UTF-8. UTF-8 es una codificación, y no tiene nada que ver con las grafías.
    – Trauma
    Commented el 26 abr. 2017 a las 7:08
  • De hecho estaba por contestar pero creo que la pregunta en si no es suficiente para elaborar una respuesta ya que como dijeron los compañeros, no deberías tener problemas con esos caracteres. Si los que procesen los XML precisan que la codificación sea UTF-8, pues utilizar Ñ y demás acentos es parte de esa codificación.
    – Agustin M.
    Commented el 26 abr. 2017 a las 7:12
  • Pues entonces hay algo que se me escapa. Edito mi pregunta para añadir código. Commented el 26 abr. 2017 a las 7:16
  • 2
    Claro, por que utilizas System.Text.Encoding.Default.GetBytes .Prueba con Dim bytes As Byte() = System.Text.Encoding.UTF8.GetBytes(b)
    – Pikoh
    Commented el 26 abr. 2017 a las 7:42

1 respuesta 1

5

UTF8 permite caracteres acentuados,ñ,etc... En Complete Character List for UTF-8 tienes una lista de caracteres aceptados.

El problema con tu código de prueba es que para obtener los bytes usas la codificación por defecto con System.Text.Encoding.Default.GetBytes. Tienes que utilizar la codificación UTF-8. Asi quedaría tu codigo de prueba:

Dim b As String = "AaáÁäÄñÑ"
Dim bytes As Byte() = System.Text.Encoding.UTF8.GetBytes(b)
Dim a As String = System.Text.Encoding.UTF8.GetString(bytes)

Aprovecho para recomendar una página (en inglés) que explica perfectamente todo el tema de Unicode y codificación de caracteres: The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)

4
  • y aprovechando.. ¿Que pasaría si hubiera un carácter no permitido? ¿Lo transformaría? Commented el 26 abr. 2017 a las 7:48
  • 1
    Pues me has pillado, ya que nunca me ha ocurrido, pero en principio creo que lo sustituiría por una ? Segun la documentación de Encoding.UTF8 Devuelve un objeto UTF8Encoding que usa la reserva de reemplazo para reemplazar cada cadena que no se puede codificar y cada byte que no se puede descodificar con un signo de interrogación ("?") De todas maneras yo no me preocuparía,es muy raro que encuentres un caracter no codificable en UTF8
    – Pikoh
    Commented el 26 abr. 2017 a las 7:55
  • Muchas gracias @Pikoh. Commented el 26 abr. 2017 a las 7:57
  • 1
    Por cierto, recomiendo mucho que leas este articulo (en ingles lamentablemente) que explica perfectamente todos estos temas The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)
    – Pikoh
    Commented el 26 abr. 2017 a las 7:59

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.