Discussion :

[Laaris]

Bonjour,

Je dois effectuer une conversion d'encodage de utf8 vers iso8859, en remplaçant les caractères "inconnus" sous iso par leur équivalent. J'utilise donc la commande iconv avec le suffixe //TRANSLIT.

Parfois le caractère inconnu est remplacé par plusieurs caractères (exemple : œ devient oe) et dans mon cas ce n'est pas acceptable (contrôle strict sur la longueur du contenu des champs).

Utiliser le suffixe //IGNORE à la place de //TRANSLIT n'est pas envisageable car il modifie aussi le nombre de caractères.


Je cherche donc un moyen de faire la translitération en conservant le nombre de caractères d'origine, quitte à "fausser" un peu le contenu de la donnée (ex : si œ devient e ça passe).

Existe-t-il une option pour TRANSLIT permettant de conserver le nombre de caractères ? Ou une autre fonction "standard" pour faire la même chose ? (je préfère éviter autant que possible les bricolages avec sed ou ce genre de chose)


Je vous remercie par avance pour votre aide.

[CosmoKnacki]

Je dois effectuer une conversion d'encodage de utf8 vers iso8859

Quel ISO 8859 ? Il y en a 16. Tu parles du œ qui se transforme en deux caractères o et e, mais ce ne serait pas le cas avec ISO 8859-15 où figure le e dans l'o. Si tu as le choix entre ISO 8859-1 et ISO 8859-15, tente avec ce dernier pour voir ce que ça donne.

Existe-t-il une option pour TRANSLIT permettant de conserver le nombre de caractères ?

Non.

Ou une autre fonction "standard" pour faire la même chose ? (je préfère éviter autant que possible les bricolages avec sed ou ce genre de chose)

Je ne crois pas qu'il existe un outil "standard" qui fasse ce dont tu parles et disponible en shell. Pour ce qui est du "bricolage", vu ce que tu essaies de faire, je pense que tu as déjà les deux pieds dans le magasin. Sed ou Awk sont de puissants outils, des languages à part entière, et c'est uniquement l'usage qu'on en fait qui va déterminer s'il s'agit de "bricolage" ou pas. Si les caractères qui posent problème sont en nombre limité, utiliser sed au préalable est plutôt une bonne option.

Tu peux aussi te tourner vers un langage de script quelconque qui dispose d'un wrapper vers le transliterator d'ICU (à ma connaissance, ça existe en Python, PHP et Ruby, mais pas en Perl). C'est l'arme absolue qui permet de définir des rêgles de transformation trés précises. Le hic c'est que celà demande de l'apprentissage, et que la documentation pique un peu les yeux. Mais tu pourras effectuer toutes les transformations préalables au changement d'encodage afin de conserver la taille apparente de la chaîne.