BOOST :: REGEX et UNICODE

**Jah77** · 26/01/2009, 16h57

Bonjour à tous,

Alors la question du jour, je dis ça parce que je commence à être abonné sur ce forum (3 questions en moins d'une semaine..), non sans déconner, l'instant est grave.

Ma question est la suivante :

Comment fait-on pour faire un motif qui sera capable à la fois de trouvé des caractères accentués en cp1252, utf-8 ainsi que tous les autres charset ?

Car en fait, si l'on met les caractères accentués directement dans la regex, ils ne trouverons que ceux encodés dans le même charset que celui utilisé pour faire le motif (j'ai testé

).

Donc deuxième question :

Es-ce que l'emploi de <boost/regex/icu.hpp> me permettra d'utilser des motifs tels que \X ou \p{L} afin de trouvé les caractères accentués dans des fichiers encodés avec des charsets différents.

S'il vous plaît, si quelqu'un pourrait m'éclairer un peu sur la question parce que la je crack

**Jean-Marc.Bourguet** · 26/01/2009, 17h39

La technique normale est de tout transformer en un charset fixe en interne (disons Unicode), de ne manipuler que cela jusqu'a la sortie ou on utilise le charset qu'il faut.

Une alternative est de transcoder ta regexp dans le charset qui va bien avant de l'utiliser.

**Jah77** · 28/01/2009, 18h19

C'est vraiment lourd, ces histoires de charset..

Alors, ça a l'air vraiment fastidieux et en plus je n'ai pas beaucoup de temps

C'est hallucinant, tout ce passait bien dans mon développement, jusqu'à ce que je doive esquiver tout les commentaires /* blabla */ des fichiers C que je parse.
Je m'étais dit c'est cool je vais avancer dans le fichier tant que c'est du commentaire

et faire le traitement sur le code qui suit et ainsi de suite

mais c'était sans compter sur les mecs qui mettent des é,è,à,ê,ect.. dans leur commentaire.. Parce que, lorsque l'on fait une regex du style :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

/\\*\\s*.*\\s*\\*/

les accents ne sont pas prits en compte..

Donc, en fait ce que tu me conseil de faire c'est de détecter quel charset est utilisé par le fichier à parser, de convertir ma regex qui contiendra les accents en ce même charset, pour enfin, pouvoir effectuer une comparaison.

Ok

je vais essayer de voir comment on fait ça.