Sort avec accents

Version imprimable

Voir 40 message(s) de cette discussion en une page

27/04/2013, 13h29
disedorgue

Bah, en fait, tu ne veux pas que l'espace soit pris en compte mais que l'apostrophe le soit se qui est en quelque sorte une contradiction.
Sinon, la solution, serait de recenser ce que tu veux exactement prendre en compte et d'utiliser la solution que je donnais précèdemment qui était de numéroter chaque ligne puis de virer tous ce qui gêne pour faire le tri, et puis une fois trier, d'afficher les lignes d'origine dans l'ordre du tri.
Le souci, c'est que selon le nombre de ligne, cela peut être long si on ne passe pas par un fichier temporaire ou mieux par un tableau bash, car cela obligerait d'appeler la commande "ls" autant de fois qu'il y a de ligne.

Après, la manière ultime, serait de créer sa propre définition de trie via LC_COLLATE (dans les locale, c'est elle qui dit ce qu'ils faut utiliser pour le trie, mais là, il y a très peu de doc de comment faire la définition)

Ca me parait un peu complexe comme script pour mes compétences :)

En fait.

Je veux trier ma liste de contact de la manière suivante :

- On ne tient pas compte de la casse
- Les caractères espaces passent avant les autres : exemple :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 - Vincent.contact - Vincent Basse.contact - Vincent Guitare.contact ---------------------------- - Le Centre.contact - Le Zoo.contact - Léa.contact ---------------------------- - La Dub.contact - La Luzz.contact - Laetitia.contact - Labaguetterie.contact
- Les caractères apostrophe passent avant les autres : exemple :
Code:

1 2 3 4 - Jul's.contact - Julia.contact - Julien.contact
J'aimerai que ce soit l'équivalent d'un sort en php en fait.

Cette commande permet de trier correctement les accents et certains espaces...

Code:

ls *.contact | sed "s/'/#aaaa/g" | sed "s/.contact//g" | sort | sed "s/#aaaa/'/g"

27/04/2013, 15h30
disedorgue

Je comprend pas trop ton exemple de ta première liste (ligne 12 et 13 ne sont pas triées correctement).
En fait, si j'ai bien compris, tu ne veux pas ".contact" dans ton résultat:

Code:

sed 's/\.contact//g'

Ensuite on va unifié les espaces, que se soit des vrais espace ou des tabulations,..., pulsieurs de suite, par un seul:

Code:

sed 's/[[:space:]]\+/ /g'

Ensuite on fait un tri classique, qui si j'ai bien compris ton problème, tu devrais avoir uniquement une incohérence sur les mots qui comporte des espaces:

Code:

sort -f

Le "-f" pour ignorer la casse
Donc le code presque final (a cause de l'incohérence (???) des espaces):

Code:

ls *.contact | sed 's/\.contact//g;s/[[:space:]]\+/ /g' | sort -f

Est-ce bon dans ma compréhension ???

Oui désolé pour l'histoire des lignes 12/13, effectivement c'est moi j'ai merdé au copier coller surement.
Il s'agit bien de :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 - Vincent.contact - Vincent Basse.contact - Vincent Guitare.contact ---------------------------- - Le Centre.contact - Le Zoo.contact - Léa.contact ---------------------------- - La Dub.contact - La Luzz.contact - Labaguetterie.contact - Laetitia.contact
On peut garder les ".contact" ça ne me gène pas, puisqu'après je les enlève dans la fonction suivante. Donc au choix.

En revanche avec ta fonction j'ai ceci :
Code:

1 2 3 4 5 Labaguetterie.contact La Dub.contact Laetitia.contact La Luzz.contact
Et j'ai également ça
Code:

1 2 3 4 Julien TS.contact Jul's.contact July.contact
En fait pour l'accent et l'apostrophe le souci, c'est qu'il ne sont pas pris en compte du tout. L'apostrophe dans le dernier exemple est fantome, est considéré comme Juls.contact.
Pareil pour La Dub = Ladub et La Luzz= Laluzz.

Merci beaucoup pour ton aide en tout cas. En dehors des espaces et des apostrophes on est bon :D

27/04/2013, 20h50
disedorgue

Oui, c'est ce que je constate aussi, au niveau du tri, c'est soit les accents, soit les espace et apostrophe mais pas moyen de mixer les 2.
Donc a se que je comprends, les seules caractères qui t'interesse sont:
-les nombres
-les lettres (avec accents inclus)
-l'espace
-l'apostrophe

Pas de besoin du '#' ou du '&' ou '$' ou '%' ?
27/04/2013, 21h07
lokomass

Yes t'as tout compris !
Et non, Pas de besoin du '#' ou du '&' ou '$' ou '%' :)

Voici une méthode qui semble fonctionner chez moi:

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
$ locale
LANG=fr_FR.UTF-8
LC_CTYPE="fr_FR.UTF-8"
LC_NUMERIC="fr_FR.UTF-8"
LC_TIME="fr_FR.UTF-8"
LC_COLLATE="fr_FR.UTF-8"
LC_MONETARY="fr_FR.UTF-8"
LC_MESSAGES="fr_FR.UTF-8"
LC_ALL=
$ cat ddùtt
Vincent Basse.contact
La Luzz.contact
Vincent Guitare.contact
Le Centre.contact
Vincent.contact
Léa.contact
La Dub.contact
Jul's.contact
Labaguetterie.contact
Laetitia.contact
Julien TS.contact
Le Zoo.contact
July.contact
$ cat ddùtt | sed "s/.contact//g;s/'/#/g;s/[[:blank:]]/%/g" | sort | tr "#%" "' "
Jul's
Julien TS
July
La Dub
La Luzz
Labaguetterie
Laetitia
Le Centre
Le Zoo
Léa
Vincent
Vincent Basse
Vincent Guitare

La locale est très importante (surtout pour LC_COLLATE) ainsi que d'enlever tout de suite ".contact"

Merci pour ta réponse, mais chez moi j'ai ceci :

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
bash-3.2# locale
LANG=fr_FR.UTF-8
LC_CTYPE="fr_FR.UTF-8"
LC_NUMERIC="fr_FR.UTF-8"
LC_TIME="fr_FR.UTF-8"
LC_COLLATE="fr_FR.UTF-8"
LC_MONETARY="fr_FR.UTF-8"
LC_MESSAGES="fr_FR.UTF-8"
LC_PAPER="fr_FR.UTF-8"
LC_NAME="fr_FR.UTF-8"
LC_ADDRESS="fr_FR.UTF-8"
LC_TELEPHONE="fr_FR.UTF-8"
LC_MEASUREMENT="fr_FR.UTF-8"
LC_IDENTIFICATION="fr_FR.UTF-8"
LC_ALL=
bash-3.2# cat ddùtt
Vincent Basse.contact
La Luzz.contact
Vincent Guitare.contact
Le Centre.contact
Vincent.contact
Léa.contact
La Dub.contact
Jul's.contact
Labaguetterie.contact
Laetitia.contact
Julien TS.contact
Le Zoo.contact
July.contact
bash-3.2# cat ddùtt | sed "s/.contact//g;s/'/#/g;s/[[:blank:]]/%/g" | sort | tr "#%" "' "
Julien TS
Jul's
July
Léa
Labaguetterie
La Dub
Laetitia
La Luzz
Le Centre
Le Zoo
Vincent
Vincent Basse
Vincent Guitare

28/04/2013, 11h54
disedorgue

Bizarre, c'est comme si que tu faisais un "sort -d".
Alors c'est que soit ta version de sort est comme ça (ce qui n'est pas impossible, car il y a eu pas mal d'évolution depuis la 2.1 et surtout pour la localisation (chez moi, je suis en 8.15)), ou soit tu as un alias avec l'option "-d" forcée.
Tu peux essayer comme ça pour invalider l'éventuel alias:

Code:

cat ddùtt | sed "s/.contact//g;s/'/#/g;s/[[:blank:]]/%/g" | \sort | tr "#%" "' "

Il y a aussi une autre possibilité, c'est que tes locales concernant le tri, donc LC_COLLATE, dit d'ignorer ce qui n'est pas alphanumérique (accent compris).

Alors j'ai essayé l'option "\sort" ça ne change rien.
J'ai également essayé sur une version d'ubuntu 13.04.

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
lokomass@ubuntu:~$ locale
LANG=en_US.UTF-8
LANGUAGE=en
LC_CTYPE="en_US.UTF-8"
LC_NUMERIC=fr_FR.UTF-8
LC_TIME=fr_FR.UTF-8
LC_COLLATE="en_US.UTF-8"
LC_MONETARY=fr_FR.UTF-8
LC_MESSAGES="en_US.UTF-8"
LC_PAPER=fr_FR.UTF-8
LC_NAME=fr_FR.UTF-8
LC_ADDRESS=fr_FR.UTF-8
LC_TELEPHONE=fr_FR.UTF-8
LC_MEASUREMENT=fr_FR.UTF-8
LC_IDENTIFICATION=fr_FR.UTF-8
LC_ALL=
lokomass@ubuntu:~$ sort --version
sort (GNU coreutils) 8.20
Copyright (C) 2012 Free Software Foundation, Inc.
License GPLv3+: GNU GPL version 3 or later <http://gnu.org/licenses/gpl.html>.
This is free software: you are free to change and redistribute it.
There is NO WARRANTY, to the extent permitted by law.
 
Written by Mike Haertel and Paul Eggert.
lokomass@ubuntu:~$ cat t | sed "s/.contact//g;s/'/#/g;s/[[:blank:]]/%/g" | sort | tr "#%" "' "
Julien TS
Jul's
July
Labaguetterie
La Dub
Laetitia
La Luzz
Léa
Le Centre
Le Zoo
Vincent
Vincent Basse
Vincent Guitare

Ce ne semble pas venir de la version de sort.

28/04/2013, 15h39
disedorgue

Ok, je ne comprends plus grand chose,...
Et que donne chez toi, la commande suivante toujours avec le même fichier d'entrée:

Code:

echo -e "$(export LC_ALL="fr_FR.UTF-8" ; cat ddùtt | sed "s/.contact//g;s/'/1/g;s/[[:blank:]]/0/g" | \sort)"

ici, je passe par un sous shell pour ne pas modifier dans le shell courant la variable LC_ALL et c'est volontaire de ne pas retransformer les nombre 1 et 0 en "'" et " ".
Et si l'ordre est correcte cette fois-ci, cela veut dire que la commande sort chez toi ne veut pas prendre en considération les caractères autre que alphanumérique (accent compris), donc pas de '&','#',...

Appart "Léa" je crois, l'ordre semble bon :)

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 
bash-3.2# echo -e "$(export LC_ALL="fr_FR.UTF-8" ; cat ddùtt | sed "s/.contact//g;s/'/1/g;s/[[:blank:]]/0/g" | \sort)"
Jul1s
Julien0TS
July
Léa
La0Dub
La0Luzz
Labaguetterie
Laetitia
Le0Centre
Le0Zoo
Vincent
Vincent0Basse
Vincent0Guitare

28/04/2013, 18h15
disedorgue

Ouais, mais le "a part léa" c'est une non prise en compte des accents, donc c'est un coups je tiens compte des accents, un coup j'en tiens plus compte, il est plus que louche le sort...
Pour les accents, il me faut un truc stable, après pour les caractères comme l'apostrophe ou l'espace, je pense savoir comment faire.

Essaie avec la locale "en_US.UTF-8" pour voir si là, la prise en compte des accents fonctionnent...

Ourahhh on y est presque !!

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
bash-3.2# echo -e "$(export LC_ALL="en_US.UTF-8" ; cat ddùtt | sed "s/.contact//g;s/'/1/g;s/[[:blank:]]/0/g" | \sort)"
Jul1s
Julien0TS
July
La0Dub
La0Luzz
Labaguetterie
Laetitia
Le0Centre
Le0Zoo
Léa
Vincent
Vincent0Basse
Vincent0Guitare

28/04/2013, 19h50
disedorgue

dans ce cas, on peut faire comme ça:

Code:

echo -e "$(export LC_ALL="en_US.UTF-8" ; cat ddùtt | sed "s/.contact//g;s/'/'1/g;s/$[[:blank:]]$/\10/g" | \sort -f | sed "s/'1/'/g;s/$[[:blank:]]$0/\1/g")"

Aussi étonnant que ça puisse être, non ça ne fonctionne pas, les accents sont à la fin à chaque fois...
(il n'y a plus "que" les accents qui posent soucis)

Exemple :
Code:

1 2 3 4 5 6 7 echo -e "$(export LC_ALL="en_US.UTF-8" ; ls *.contact | sed "s/.contact//g;s/'/'1/g;s/$[[:blank:]]$/\10/g" | \sort -f | sed "s/'1/'/g;s/$[[:blank:]]$0/\1/g")" .... Myriam Corse Mélina Nico GTR ....
J'ai aussi essayé de rediriger la liste dans un fichier texte puis de faire ta commande, mais pareil

C'est quand même fou :(

28/04/2013, 21h00
disedorgue

Est-ce que avec le fichier de test cela fonctionne ?

Tu peux aussi essayer en rajoutant un iconv:

Code:

echo -e "$(export LC_ALL="en_US.UTF-8" ; ls *.contact | iconv -t UTF-8 | sed "s/.contact//g;s/'/'1/g;s/$[[:blank:]]$/\10/g" | \sort -f | sed "s/'1/'/g;s/$[[:blank:]]$0/\1/g")"
28/04/2013, 21h24
lokomass
Oui la commande fonctionne avec le fichier exemple à l'exception des accents affichés en ?.
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 Jul's Julien TS July La Dub La Luzz Labaguetterie Laetitia Le Centre Le Zoo L?a Vincent Vincent Basse Vincent Guitare
Ensuite le iconv comme ça pète une erreur au premier accent

Code:

iconv: illegal input sequence at position 17
28/04/2013, 21h59
lokomass

Après un test en fr_FR ça fonctionne !

Voici la commande :

Code:

echo -e "$(ls *.contact | sed "s/.contact//g;s/'/'1/g;s/$[[:blank:]]$/\10/g" | \sort -f | sed "s/'1/'/g;s/$[[:blank:]]$0/\1/g")"

Un immense merci à toi pour le temps que tu as passé pour m'aider !
Merci merci merci !!!
09/05/2013, 22h01
lokomass

Bonsoir,

Je me permets de rajouter une demande.
Le caractère \342\200\231 me pose souci (un apostrophe), comment le convertir en apostrophe normal ?

Merci

Voir 40 message(s) de cette discussion en une page

Fuseau horaire GMT +2. Il est actuellement 16h17.