recherche dans une chaine accentuée

Version imprimable

13/01/2011, 13h57
joreveur

recherche dans une chaine accentuée

Bonjour,

j'ai d'énormes fichiers textes dans lesquels je fait des recherches via InStr
cela marche très bien.

dans mes fichiers il y a des accents des cédilles etc. ...

par exemple si dans une chaine il y a le mot "forêt", je voudrais en cherchant foret qu'il me trouve la phrase.

qu'elle est la meilleure astuce ?

actuellement je fais une variable dans laquelle je remplace les é,è,ê,ë etc. par des e via des boucles... et je cherche dans cette variable, mais cela est peu performant voire pas du tout..

et comme en français il y beaucoup de lettres accentuées...

merci de vos conseils.
13/01/2011, 16h38
omen999

salut,
ici une piste pour éliminer tous les caractères accentués avant de faire une recherche
c'est du javascript mais l'objet regexp existe également en vbscript (voir la doc)
15/01/2011, 09h10
joreveur

Bonjour et merci de l'info.

et en vbs ça se traduit comment ?

entre temps j'avais essayé par l'instruction replace, même si c'est déjà plus performant ce pas encore ça.
16/01/2011, 03h44
l_autodidacte

Citation:

entre temps j'avais essayer par l'instruction replace.../...

Montre ce que tu as fait pour qu'on puisse y voir plus clair et essayer de t'aider.

Bonsoir,

un bout de code adapté pour l'exemple à donner
mais si j'ai 1.000.000 de lignes à traiter en parcourant un fichier, c'est peu rapide

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
Sub change()
 
Str1=Replace(str1,tx, ty)
 
Str1=Replace(str1,ucase(tx), ty)
 
End Sub
 
 
Sub trans(str1)
 
ty="a"
 
tx="à":change()
 
tx="ä":change()
 
tx="â":change()
 
 
 
ty="e"
 
tx="è":change()
 
tx="é":change()
 
tx="ê":change()
 
tx="ë":change()
 
 
 
ty="i"
 
tx="î":change()
 
tx="ï":change()
 
 
 
ty="o"
 
tx="ô":change()
 
tx="ö":change()
 
 
 
ty="u"
 
tx="ù":change()
 
tx="ü":change()
 
tx="û":change()
 
 
 
ty="y"
 
tx="ÿ":change()
 
 
 
ty="c"
 
tx="ç":change()
 
 
 
'ponctuation
 
' ty=" "
 
' tx=".":change()
 
' tx=";":change()
 
' tx=":":change()
 
' tx=",":change()
 
' tx="?":change()
 
' tx="!":change()
 
' tx=chr(34):change() ' guillemets
 
' tx=">":change()
 
' tx="<":change()
 
'etc ...
 
End Sub
 
 
 
str1="À Paris, les français voyagent en métro. Le dimanche ils se promènent en forêt."
 
msgbox(str1)
 
trans(str1)
 
msgbox(lcase(str1))

str1 est normalement issu du fichier à lire

A verifier si plus rapide

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
Dim ReChercher, RemplacPar, T, str1
 
ReChercher = Array("À", "à", "ä", "â", "ç", "è", "é", "ê", "ë", "î", "ï", "ô", "ö", "ù", "û", "ü", "ÿ")
RemplacPar = Array("A", "a", "a", "a", "c", "e", "e", "e", "e", "i", "i", "o", "o", "u", "u", "u", "y")
 
str1 = "À Paris, les français voyagent en métro. Le dimanche ils se promènent en forêt."
 
MsgBox (str1)
 
For T = 0 To UBound(ReChercher)
        str1 = Replace(str1, ReChercher(T), RemplacPar(T))
Next
MsgBox str1

Salut;

ProgElecT, tu m'as devancé.
En demandant le code à l'intervenant, j'ai pensé à une idée pareille à la tienne mais utilisant des constantes à la places des tableaux. Je l'expose quand même si cela peut aider :
Code:

1 2 3 4 5 6 7 8 9 10 Option Explicit Const Ch1="Âàäâéèêëùüûôö" Const Ch2="Aaaaeeeeuuuoo" Dim I,Src Src="Â l'école(ou collège), où on répète les mêmes idées, on n'est pas déjà sûr de l'intérêt" ' C'est tout simplement une phrase avec caractères accentués(ce n'est pas mon opinion) For I=1 to Len(Ch1) Src=Replace(Src,Mid(Ch1,I,1),Mid(Ch2,I,1)) Next MsgBox Src
à moins que ce ne soit plus gourmand en mémoire.

18/01/2011, 08h46
joreveur

Bonjour,

merci de vos idées c'est gentil de vous intéresser à ce problème. Je vais tester quand j'aurais un peu de temps.

la solution que j'avais retenue, en tout premier temps et que j'ai abandonné était effectivement de regarder chaque caractère d'une chaine et de les remplacer. dans cette version je faisais des "if" et je remplaçais au fur et à mesure.

la seconde est celle que je vous ai proposée marche beaucoup mieux mais encore trop lente.

Vos méthodes semblent beaucoup mieux car elles ne parcourent que le tableau (ou la chaine de caractères accentuées) ce qui est généralement moins long à parcourir que la chaine à analyser.

à priori je pense que l'idée des tableaux et plus pertinente car elle utilise directement les index des tableaux sans recourir à la fonction mid qui est appelée 2 fois pour toutes les occurrences des boucles.

mais je ferais des essais et vous ferais une petite stat .

quand à la fonction regexp je ne vois pas trop comment elle s'utilise.

en tous cas merci à chacun de cette contribution.

Citation:

quand à la fonction regexp je ne vois pas trop comment elle s'utilise.

dommage...:aie:

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
sBuf = "À l'école (ou au collège haï), où on répète les mêmes idées, on n'est pas déjà sûr de l'intérêt d'y aller à moins d'être maso"
Set oRegEx = New RegExp
' casse ignorée
oRegEx.IgnoreCase = True
' remplacement sur l'ensemble de la chaine
oRegEx.Global = True
' définition des patterns
oRegEx.Pattern = "[àâ]"
sBuf1 = oRegEx.Replace(sBuf,"a")
oRegEx.Pattern = "[éèêë]"
sBuf2 = oRegEx.Replace(sBuf1,"e")
oRegEx.Pattern = "[îï]"
sBuf3 = oRegEx.Replace(sBuf2,"i")
oRegEx.Pattern = "[öô]"
sBuf4 = oRegEx.Replace(sBuf3,"o")
oRegEx.Pattern = "[ùüû]"
sBuf5 = oRegEx.Replace(sBuf4,"u")
oRegEx.Pattern = "[ç]"
sBuf6 = oRegEx.Replace(sBuf5,"c")
MsgBox sBuf6

21/01/2011, 13h59
joreveur

Bonjour et merci pour le code.

Je vais regarder cela de plus près.

Je ferais à l'occasion une synthèse en terme de performances.

PS. J'essaierai aussi avec mon langage préféré FreePascal