Discussion :

[zevince]

Bonjour,

J'analyse un paquet de fichiers html pour les encoder en entites html..
Le probleme vient de certains caracteres qui semblent .. retifs ?

Deux exemples :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
• 
et
’

Je n'arrive pas a remplacer ces caracteres par des apostrophes normales ou des tirets tout simples..

Pourtant, mes chaines passent a travers ces filtres la :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
		$paragraphe = str_replace('•', '-', $paragraphe);
		$paragraphe = str_replace('’', '\'', $paragraphe);
		$paragraphe = html_entity_decode($paragraphe);
		$paragraphe = strip_tags($paragraphe, '<br><br/>');
		//$paragraphe = addslashes($paragraphe);
		$paragraphe = htmlentities($paragraphe, ENT_QUOTES, 'iso-8859-15');
		$paragraphe = str_replace('&amp;', '&', $paragraphe);
		$paragraphe = str_replace('&lt;', '<', $paragraphe);
		$paragraphe = str_replace('&gt;', '>', $paragraphe);

j'ai essaye avec iconv, sans plus de resultats...
comment faire ?

[yjuliet]

es-tu certain d'avoir utilisé le même encodage dans tes filtres que dans les fichiers HTML que tu analyses ????

Si les fichiers sont en UTF8 et que ton filtre est en iso8859-15 (ou n'importe quoi d'autre d'ailleurs), les caractères, bien qu'apparaissant à l'écran comme identiques, ne seront, sur un point de vue binaire, pas équivalents. Du coup, tu n'auras pas concordance dans ton test et aucune correction ne sera apportée...

[zevince]

he bien ca c'est un des problemes.. certains de ces fichiers sont en utf-8, d'autres en iso-8859-1.. et certains proviennent de word 2000 (argh..) donc tout mon souci consiste a faire passer tout ca sous un seul encodage, a priroi, utf-8 pour tout le monde... Mais en plus, ce sont des fragments html, sans declaration d'encodage, et je ne sais pas comment analyser le fichier pour detecter ca et faire une transformation correcte..
Et Ce sont surtout ces deux caracteres qui me posent problemes, quoi que je fasse...

J'ai copie colle le caractere en question dans ultraedit (il apparait comme un carré .. caractere non reconnu) et quand je regarde la source hexadecimale, il apparait comme ca :

ýÿ ou encore FD FF...

Et je dois bien avouer que si y'a un truc qui m'enerve souvent avec php, c'est l'encodage !

[yjuliet]

es-tu forcé d'utiliser PHP pour ces modifications ???

Il existe des softs qui font ça très bien (pour tout passer en UTF 8) (beyond compare, il me semble doit le faire et permet de faire du traitement de fichiers par lot)

[zevince]

Ah, ca pourrait etre une solution, je vais regarder ce soft