Conversão de arquivos ANSI para UTF-8

Os seus arquivos XML estão errados, obviamente, porque eles deveriam começar por:

<?xml version="1.0" encoding="ISO-8859-1" ?>

Você só precisa omitir o "encoding" e esse cabeçalho se usar UTF-8, como você deve ter percebido.

Você pode escolher entre converter os seus arquivos, ou então corrigi-los.

Para converter, é relativamente fácil. Digamos que você tenha um arquivo em ISO-8859-1 e queira convertê-lo para UTF-8.
Você pode ler o arquivo com a codificação ISO-8859-1 e gravá-lo com UTF-8, mais ou menos assim:

import java.io.*;

class Conversor {
    public static void main(String[] args) throws Exception {
        BufferedReader br = new BufferedReader (new InputStreamReader (new FileInputStream 

("entrada.xml"), "ISO-8859-1"));
        BufferedWriter bw = new BufferedWriter (new OutputStreamWriter (new FileOutputStream 

("saida.xml"), "UTF-8"));
        for (String linha = br.readLine(); linha != null; linha = br.readLine())
        {
            bw.write (linha); bw.newLine();
        }
        bw.close();
        br.close();
    }
}

Obviamente você precisa tratar as exceções e encapsular o código acima em um método que receba os nomes dos arquivos de entrada e saída.

Valew thingol … alguns minutos antes de vc responder eu havia feito praticamente do mesmo jeito… porém eu colocava os dois como UTF-8 …

Segue o código:

String arquivo = request.getParameter("arquivo");

   StringBuffer buffer = new StringBuffer(); 
   BufferedReader in = new BufferedReader (new InputStreamReader(new FileInputStream(arquivo), "ISO-8859-1")); 
   String line; 
  
   while((line = in.readLine()) != null) { 
      buffer.append(line + "\n"); 
   } 

    in.close(); 
    
    BufferedWriter out = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(arquivo), "UTF-8")); 
    out.write(buffer.toString()); 
    out.close();

Estes xml os quais citei foram alterados a mão em um editor de texto, por isso foram regravados errados…

O código acima agora está funcionando perfeitamente…

O que estava bagunçando os caracteres, era tbm qdo eu forçava para UTF-8 novamente ao editar o xml…

Muito obrigada novamente…

A propósito, alguém sabe como eu faço para verificar o encoding do arquivo?

Pq se eu converter uma vez para ler, e depois de editado eu querer ler esse arquivo novamente, os caracteres ficam bagunçados… portanto tenhod e testar antes se o arquivo já está em UTF-8.

Desde já agradeço.

Agora você fez aquela famosa pergunta de US$ 1.000.000,00…

Você pode “chutar” o encoding, mas não é fácil obter uma resposta perfeita. Você deve ter visto que isso dá problemas no Firefox ou no IE quando você põe aquela opção de eles tentarem achar automaticamente o encoding das páginas.

Uma forma boba que nem sempre funciona é:

• Ler um pedaço do arquivo;
• Ver se é UTF-8 (se houver algum erro de decodificação, não é UTF-8);
• Se não for UTF-8, pode ser que seja ISO-8859-1.

Pois é, um problemão ficar fazendo estes testes… :shock:

thingol, vc sabe me dizer se um destes dois encodings tem alguma característica a qual eu possa fazer a validação?

Basicamente, se você codificar um texto ISO-8859-1 em UTF-8, vai ver que as letras acentuadas são convertidas para 2 bytes, sendo que o primeiro é fixo. Como esse teste é meio chato de fazer, é mais fácil tentar converter os bytes para UTF-8, e se der alguma exception, então não é UTF-8.

Ok thingol, obrigada mais uma vez… fiz os devidos testes conforme indicado por vc , só que o problema agora é qdo abre o arquivo pela primeira vez, pois os caracteres vêm bagunçados… pela segunda vez após editado este está funcionando perfeitamente… :lol: