Discussion :

[vodevil]

J'ai un gros problème de regexp , je les utilisent pour nettoyer du texte mais les lettre non ASC-II comme é à sont supprimé .

voici mon script de teste

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
#!/usr/bin/perl -w
my $m = " métà è à ô î û â !!!!!!!!!!!!!!!!!!!!!!!!!!! --------- ?? welcome to jamrock \" 0 1 2 3 4 5 6 7 8 9 158895 ¦ [maison] <> < q<  >>>> {google}² & ~ # ' { ( [ - | ` _ \ ^ @ ] ° ) = } + - * / ¨ $ £ ¤ µ % ! § : ; . , ? ";
   $m = quotemeta($m);
   $m =~ s/\W/ /gi;
   $m =~ s/\d/ /gi;
   $m =~ s/_/ /g;
   $m =~ s/^\s+//g;
   $m =~ s/\s+/ /g;
print "$m\n"

De plus le problème est que le texte n'est pas forcement en français mais en allemand , chinois etc ..

Auriez vous une solution ?

[tfe]

remplace ton

$m =~ s/\W/ /gi;

par

$m =~ s/[^\p{IsWord}\s]//g;

, l equivalent POSIX

[Jedai]

Tu peux aussi essayer simplement de rajouter "use locale;" en haut de ton script.

--
Jedaï

[vodevil]

Merci a vous Jedai et Tfe .

[vodevil]

J'ai oublier un ti truc , je souhaite supprimé les caractères isolé j'ai tenté la chose avec

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$m =~ s/\s\w{1,2}\s/ /g;

mais ce n'est pas parfait en effet si j'ai un teste comme ceci :

A ma maman chérie

ma seras supprimé mais pas

A

car il n'y a pas d'espace avant lui

[Jedai]

Au lieu d'utiliser "\s", utilise plutôt "\b" qui est zero-width (de largeur nulle) et repère les frontières (boundaries) des mots. Autrement dit, \b matche au-début et à la fin des mots (plus exactement entre un \w et un \W).

--
Jedaï

[vodevil]

Mici Jedai