[gelöst] UTF8 finden ungültiger Zeichen

[Michl]

Ein fröhliches Hallo in die Runde!

Beim parsen diverser größerer UTF8-Texte, habe ich festgestellt, dass diese gelegentlich ungültige Zeichen enthalten. Mir würde es genügen, diese Zeichen zu entfernen.

Gibt es eine fertige Pascal-Methode (à la UTF8CharValid), die solche Zeichen aufspüren kann? Ich konnte bisher leider keine finden.

Sonst würde ich dieses Beispiel übersetzen und testen. Ich wollte aber erstmal fragen, ob ich nicht einfach nur nicht mit den richtigen Begriffen gesucht habe.

Danke

Michael

[theo]

Gibt alles mögliche in unit LazUTF8 z.B. UTF8FixBroken();

[Michl]

Super danke!

Werde mal testen, ob es mit UTF8FixBroken schon funktioniert!

IMHO sollte in

Code: Alles auswählen

procedure UTF8FixBroken(var S: string);
begin
  if S='' then exit;
  if FindInvalidUTF8Character(PChar(S),length(S))<0 then exit;
...

das FindInvalidUTF8Character genau das sein, was ich ursprünglich suchte.

Werde mal testen, ob es passt

Vielen Dank nochmal (hatte ich bei meiner vorherigen Durchsicht irgendwie nicht gesehen).

EDIT: Mein Testprogramm, mit diversen mir Probleme bereitenden Texten, funktioniert tadellos mit UTF8FixBroken.