Remplacer les accents dans une chaîne

**mathieumg** · 22/07/2006, 02h10

Mon programme a un mode graphique et un mode texte. Il lit des chaînes dans un fichier texte et les conserve en mémoire. Lorsque vient le temps de les afficher, une petite fonction qui remplace les caractères accentués par leur équivalent non-accentué serait idéale.

J'ai trouvé ceci: http://www.developpez.net/forums/showthread.php?t=56427 , mais je voulais savoir s'il y avait une méthode plus propre/efficace tout en restant portable.

Merci beaucoup

**red210** · 22/07/2006, 02h34

Il est tres bien son code...

**mathieumg** · 22/07/2006, 03h27

En fait selon les commentaires, il semble y avoir quelques problèmes quoique facilement réparables. Je n'ai pas dit non plus que son code n'était pas bien, j'ai dit que s'il y avait une autre méthode par exemple utilisant les librairies standard, ce serait mieux.

**granquet** · 22/07/2006, 07h19

voir le lien d'Emmanuel: http://emmanuel-delahaye.developpez.com/clib.htm

les problemes evoqués par l'auteur n'apparaissent pas dans ce code la.

**pirus** · 22/07/2006, 16h07

salut,

Envoyé par mathieumg

J'ai trouvé ceci: http://www.developpez.net/forums/showthread.php?t=56427 , mais je voulais savoir s'il y avait une méthode plus propre/efficace tout en restant portable.

juste une petite remarque concernant le code en question.. pour eviter les tartines de "case", et quitte a considerer que le code va tourner sous certains parametres regionaux comme c'est le cas ici ("codepage" pour les windowsiens, ou "locale" pour les unixiens), il vaut mieux utiliser des tables de translation pour faire ce genre de choses.

exemple, la table suivante permet d'inverser majuscules/minuscules, et de ne prendre en compte que les caracteres "imprimables" (je repete, il s'agit d'un exemple, inutile de me dire qu'on peut faire la meme chose en "plus portable" avec des toupper() / tolower(), ou que ca ne marche pas en EBCDIC sur votre IBM System/390, je le sais).

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
 
const unsigned char trans_case[ 256 ] = {
   0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,  0x00, 0x09, 0x0a, 0x00, 0x00, 0x0d, 0x00, 0x00,
   0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,  0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
   0x20, 0x21, 0x22, 0x23, 0x24, 0x25, 0x26, 0x27,  0x28, 0x29, 0x2a, 0x2b, 0x2c, 0x2d, 0x2e, 0x2f,
   0x30, 0x31, 0x32, 0x33, 0x34, 0x35, 0x36, 0x37,  0x38, 0x39, 0x3a, 0x3b, 0x3c, 0x3d, 0x3e, 0x3f,
 
   0x60, 0x61, 0x62, 0x63, 0x64, 0x65, 0x66, 0x67,  0x68, 0x69, 0x6a, 0x6b, 0x6c, 0x6d, 0x6e, 0x6f,
   0x70, 0x71, 0x72, 0x73, 0x74, 0x75, 0x76, 0x77,  0x78, 0x79, 0x7a, 0x5b, 0x5c, 0x5d, 0x5e, 0x5f,
   0x40, 0x41, 0x42, 0x43, 0x44, 0x45, 0x46, 0x47,  0x48, 0x49, 0x4a, 0x4b, 0x4c, 0x4d, 0x4e, 0x4f,
   0x50, 0x51, 0x52, 0x53, 0x54, 0x55, 0x56, 0x57,  0x58, 0x59, 0x5a, 0x7b, 0x7c, 0x7d, 0x7e, 0x7f,
 
   0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,  0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
   0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,  0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
   0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,  0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
   0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,  0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
 
   0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,  0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
   0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,  0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
   0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,  0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
   0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,  0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00
};

pour convertir un caractere (unsigned char), on utilise sa valeur comme un index pour aller interroger la table, et y recuperer la valeur correspondante (translatee). si on a par exemple un buffer "x" de "n" bytes a convertir (apres un read() par exemple):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
int i;
 
for( i = 0 ; i < n ; ++i )
  x[i] = trans_case[ (int)(x[i] & 0xff) ];

ce genre de tables presentent de nombreux avantages, entre autres:

c'est beaucoup plus rapide qu'un switch suivi d'une serie de case (bonus: c'est aussi plus propre),
elles peuvent etre utilisees, outre la conversion, pour la validation des entrees (si vous developpez des services accessibles par le public, vous savez de quoi je parle..),
elles peuvent etre generees automatiquement, soit au moment de la compilation, soit au runtime,
elles peuvent etre contenues dans des ".o" separes, et linkees ensuite, ce qui est tres interessant dans certains cas, et qui facilite les mises a jour / modifs.

-pirus.

**mathieumg** · 22/07/2006, 22h05

Cela met bien les caractères en majuscules mais les caractères accentués sont remplacés par des espaces

**pirus** · 22/07/2006, 23h27

Envoyé par mathieumg

Cela met bien les caractères en majuscules mais les caractères accentués sont remplacés par des espaces

eh eh.. oui, en fait je me suis peut-etre mal exprime, mais il s'agissait d'un.. exemple ;p (dont la vocation etait d'ailleurs plus d'attirer ton attention sur la methode que de repondre precisement a ton probleme).

voici donc une nouvelle table qui fait ce que tu souhaites (remplacer les caracteres accentues par leur equivalent sans accent):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
 
const unsigned char trans_acc[ 256 ] = {
   0x00, 0x01, 0x02, 0x03, 0x04, 0x05, 0x06, 0x07,  0x08, 0x09, 0x0a, 0x0b, 0x0c, 0x0d, 0x0e, 0x0f,
   0x10, 0x11, 0x12, 0x13, 0x14, 0x15, 0x16, 0x17,  0x18, 0x19, 0x1a, 0x1b, 0x1c, 0x1d, 0x1e, 0x1f,
   0x20, 0x21, 0x22, 0x23, 0x24, 0x25, 0x26, 0x27,  0x28, 0x29, 0x2a, 0x2b, 0x2c, 0x2d, 0x2e, 0x2f,
   0x30, 0x31, 0x32, 0x33, 0x34, 0x35, 0x36, 0x37,  0x38, 0x39, 0x3a, 0x3b, 0x3c, 0x3d, 0x3e, 0x3f,
 
   0x40, 0x41, 0x42, 0x43, 0x44, 0x45, 0x46, 0x47,  0x48, 0x49, 0x4a, 0x4b, 0x4c, 0x4d, 0x4e, 0x4f,
   0x50, 0x51, 0x52, 0x53, 0x54, 0x55, 0x56, 0x57,  0x58, 0x59, 0x5a, 0x5b, 0x5c, 0x5d, 0x5e, 0x5f,
   0x60, 0x61, 0x62, 0x63, 0x64, 0x65, 0x66, 0x67,  0x68, 0x69, 0x6a, 0x6b, 0x6c, 0x6d, 0x6e, 0x6f,
   0x70, 0x71, 0x72, 0x73, 0x74, 0x75, 0x76, 0x77,  0x78, 0x79, 0x7a, 0x7b, 0x7c, 0x7d, 0x7e, 0x7f,
 
   0x80, 0x81, 0x82, 0x83, 0x84, 0x85, 0x86, 0x87,  0x88, 0x89, 0x8a, 0x8b, 0x8c, 0x8d, 0x8e, 0x8f,
   0x90, 0x91, 0x92, 0x93, 0x94, 0x95, 0x96, 0x97,  0x98, 0x99, 0x9a, 0x9b, 0x9c, 0x9d, 0x9e, 0x9f,
   0xa0, 0xa1, 0xa2, 0xa3, 0xa4, 0xa5, 0xa6, 0xa7,  0xa8, 0xa9, 0xaa, 0xab, 0xac, 0xad, 0xae, 0xaf,
   0xb0, 0xb1, 0xb2, 0xb3, 0xb4, 0xb5, 0xb6, 0xb7,  0xb8, 0xb9, 0xba, 0xbb, 0xbc, 0xbd, 0xbe, 0xbf,
 
   0x41, 0x41, 0x41, 0x41, 0x41, 0x41, 0xc6, 0x43,  0x45, 0x45, 0x45, 0x45, 0x49, 0x49, 0x49, 0x49,
   0xd0, 0x4e, 0x4f, 0x4f, 0x4f, 0x4f, 0x4f, 0xd7,  0xd8, 0x55, 0x55, 0x55, 0x55, 0x59, 0xde, 0xdf,
   0x61, 0x61, 0x61, 0x61, 0x61, 0x61, 0xe6, 0x63,  0x65, 0x65, 0x65, 0x65, 0x69, 0x69, 0x69, 0x69,
   0x6f, 0x6e, 0x6f, 0x6f, 0x6f, 0x6f, 0x6f, 0xf7,  0xf8, 0x75, 0x75, 0x75, 0x75, 0x79, 0xfe, 0x79
};

tu noteras que c'est dans le dernier quart de la table (entre 192 et 255) que ca se passe. exemple, de 0xc0 (192) a 0xc4 (197, soit les caracteres "ÀÁÂÃÄ"), tout est remplace par 0x41 (65, soit "A").

encore une fois, ceci est tout a fait dependant des parametres de langue de la machine sur laquelle tourne le programme.. si tu veux etre certain que tout fonctionne partout de la meme facon, il faut laisser tomber le code ASCII et passer en Unicode.

exemple de ce que ca donne ici:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
 
% cat accents.txt 
ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏ
ÐÑÒÓÔÕÖ×ØÙÚÛÜÝÞß
àáâãäåæçèéêëìíîï
ðñòóôõö÷øùúûüýþÿ
 
% ./conv < accents.txt 
AAAAAAÆCEEEEIIII
ÐNOOOOO×ØUUUUYÞß
aaaaaaæceeeeiiii
onooooo÷øuuuuyþy

-pirus.

**mathieumg** · 23/07/2006, 03h52

J'avais mal interprété "prendre en compte que les caractères imprimables" alors, désolé

Le nouveau code fonctionne à la perfection! Merci beaucoup! Tant qu'il est compilable dans GCC sous Linux, Mac et Windows, je serais plus qu'heureux, est-ce le cas?

**pirus** · 23/07/2006, 15h06

salut,

j'allais commencer ma reponse en te demandant de m'excuser pour le retard, mais je constate qu'on a a peu pres les memes horaires

j'ai teste sous Linux (i386), NetBSD (sparc64) et Windows (avec mingw, et seulement sous wine). je n'ai pas de mac sous la main pour l'instant.

-pirus.

**mathieumg** · 23/07/2006, 15h39

Merci beaucoup pour l'information et pour tout, cela me semble assez portable

Remplacer les accents dans une chaîne

C

Discussions similaires

Partager

Partager