Alphabet occidental et autres : filtre [Résolu]

[dcz]

Petite question php.

J'aimerais savoir si il est possible de filtrer simplement un chaîne de caractères codée en UTF-8 contenant des mots anglais et des mot écrits avec d'autre alphabet que le notre.

Mon but est de filtrer tout ce qui n'utilise pas l'alphabet occidental.

Merci.

++

[Swoög]

tu peux toujours te tourner vers les regexp il y a une option exprès pour travaillera avec l'utf-8 : http://fr3.php.net/manual/fr/referen....modifiers.php

[dcz]

Merci pour ta réponse, j'ai regardé le lien, mais la seul relation avec utf-8 est :

u (PCRE8)

Cette option désactive les fonctionnalités additionnelles de PCRE qui ne sont pas compatibles avec Perl. Les chaînes sont traitées comme des chaînes UTF-8. Cette option est disponible en PHP 4.1.0 et plus récent sur plate-forme Unix et en PHP 4.2.3 et plus récent sur plate-forme Windows.

Du coup je ne vois pas trop.

Moi je voudrais juste remplacer "طراحی web" par "web" tout simplement.

Le truc c'est que les caractères zarbis (perse, cyrillique, etc ...) sont transformé par des chiffres avec un ereg_replace("[^a-zA-Z0-9]", "", $texte), donc je me dis qu'il faut les virer avant, et c'est ma question.

Je continue de chercher, marci pour ta réponse.
++

[Maxoo]

effectivement si tu fais un

Code :

preg_replace("#[^a-z0-9]#i", "", $texte);

ca devrait de te remplacer tout ce qui n'est pas un chiffre ou un lettre par du vide ... ca marche pas ?

[dcz]

Si si, ça marche très bien, mais j'aimerais remplacer par rien direct, car il serait dommage de virer tous les chiffres pour cela.

J'aimerai éviter :

Code :

preg_replace("#[^0-9]#i", "", $texte);

Pour pouvoir conserver des chiffre dans la partie occidentale des termes.

++

[Maxoo]

tu as testé mon regexp ? que fait il sur ton texte, car logiquemen il vire tout ce qui n'est pas a-z et 0-9 ...

[dcz]

Bah oui, il fait la même chose que le ereg_replace : (si bien entendu on remplace par des "-" et pas rien) :

طراحی web

donne :

1591-1585-1575-1581-1740-web

J'ai donc pas dû être clair, mais voilà, je voudrais juste "web", mais si possible sans virer tous les chiffres obligatoirement avec une deuxieme passe.

++

[Maxoo]

va voir comment sont tes caractères dans la source de ta page html ... c'est pour ca que tu as un probleme !!

ca doit etre de l'ascii ou un autre truc ...

[dcz]

Ah oui, tiens, si on regarde la façon dont
طراحی web

est codé dans cette page on trouve :

Code :

1
2
<br>
1591-1585-1575-1581-1740-web<br>

du coup tout s'explique.

Mes lacune en char-set sont dévoilées, mais bon, on le savait

Donc, du coup, c'est quoi ça, de l'ascii ou de l'utf-8? Et c'est chaud à filtrer la sans enlever les chiffres de la partie occidentale du texte non?

Une idée ?

Merci pour ta patience en tous cas

++

[Maxoo]

Code :

& # 1591; & # 1585; & # 1575; & # 1581; & # 1740; web

C'est plutôt ca !! (sans les espaces)

en gros, c'est de html ascii ça !! donc ce qui est &#avec 4 chiffres et ; tu vires

et ca devrait aller ... ou tu fais l'inverse de htmlentites c'est a dire http://fr.php.net/manual/fr/function...ity-decode.php et du coup ton regex devrait marcher ... tu peux tester tout ça !!

Bon taff !

[dcz]

erf,
Le code que j'ai posté provenait bien du code source de la page, mais pour des raisons que j'ignore, décidément, les voies du cher-set sont difficilement pénétrables , le texte en exemple apparaît avec des caractères perse dans la code maintenant.
Du coup je vois pas ou tu l'as trouvé codé en ASCII. Et html_entity_decode ne change rien.

Je ferais bien un rég-ex si j'ai un bon séparateur (&# => virer &# suivit de 4 chiffres, mais là j'ai pas ça on dirais.

Je vais voir si virer - suivit de 4 chiffre ne le ferait pas du coup, mais n'y a t'il pas des exception, genre des caractère de deux lettres ?

Pour l'instant $texte= ereg_replace("[^a-zA-Z]", "-", $texte); est ma meilleur solution, mais cela empêche de traiter des chiffres latins.

++

[Maxoo]

moi j'ai fais afficher la source pour voir cela
et toi tu as fais quoi ? sur quel navigateur ?

Sinon montre ton regexp, car ca devrait marcher !!

je suis gentil ce matin :

Code :

1
2
3
4
5
<?php
$in = '/&#[0-9]{4};/i';
$out = "";
preg_replace($in, $out, $txt);
?>

Voila, ca marche avec des caractères comme j'ai dit

Sinon regarde d'ou tu les prends les caractères, et regarde bien comment ils sont !!

[dcz]

tu me rassures.

en fait, j'ai simplement fait un "afficher la source de la sélection dans firefox (up to date ) et j'ai vu ce que j'ai posté (c'est un copier collé) dans le message précédant.

Et plus étrange encore, aujourd'hui, je vois les caractères perse dans le code source arf.

En tous cas merci bcp ça marche nickel

++

[Maxoo]

en fait, je sais pas si c'est un bug, mais que tu demandes afficher le code source de la selection sous firefox, il t'affiches pas le vrai code source ...
il t'affiche ce qu'il veut bien

il faut donc toujours faire afficher la source et chercher dans la source

[dcz]

C'est une bonne leçon

Merci encore, c'est sympa