Encoding par défaut avec XML : UTF-8

Thu, Nov 19, 2009

Nous gérons en ce moment un petit problème d’intégration avec des WebServices d’une entreprise qui ne s’attend qu’à du iso-8859-1. XML a pourtant été conçu pour gérer plus simplement les problèmes de jeux de caractères et d’encodage utilisé, mais ce qui a été fait ne respecte tout simplement pas la spécification.

En effet, notre code envoie une requête SOAP dans un tube HTTP annonçant de l’UTF-8. Comme ça ne marchait pas, nous avons carrément ajouté l’attribut encoding au prologue XML et retesté avec Soapui, mais ça n’a rien donné.

Alors, comme il faut que quelqu’un corrige son code, j’ai vérifié la spécification^[1]^, voici ce qui est indiqué :

• Dans le cas où un encoding est précisé en externe, et que le prologue ne spécifie rien, c’est cet encoding qui est utilisé
• Si rien n’est spécifié dans les premiers octets du XML, alors on parse de l’UTF-8 par défaut.
• On trouve aussi cette phrase : All XML processors MUST accept the UTF-8 and UTF-16 encodings of Unicode.

Bref, attendre de l’iso-8859-1 lorsque rien n’est indiqué est au minimum une bizarrerie, et au pire une erreur par rapport à ce que dit la spécification.

Notes

[1] Non-Normative

— Baptiste Mathus