String, char et accent

Version imprimable

Bonsoir,

Je débute en C++ (exercice Mot Mystère sur OC) et malgré mes nombreuses recherches sur internet, je ne comprends pas.

Je voudrais supprimer les accents d'une chaîne. Ci dessous un extrait de code qui fonctionne, si j'indique dans le code : mot="été"
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 int main() { string mot; mot = "été"; cout << "Mot avant : " << mot << endl; for (int i = 0; mot[i] != '\0'; i++) { if (mot[i] == 'é') { mot[i] = 'e'; } }; cout << "Mot apres : " << mot << endl; return 0; }
Ca fonctionne, le résultat est :
Mot avant : ÚtÚ
Mot apres : ete

Maintenant, si je demande une saisie du mot :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 int main() { string mot; cin >> mot; cout << "Mot avant : " << mot << endl; for (int i = 0; mot[i] != '\0'; i++) { if (mot[i] == 'é') { mot[i] = 'e'; } }; cout << "Mot apres : " << mot << endl; return 0; }
Ca ne fonctionne pas :
Mot avant : été
Mot apres : été

J'ai essayé différentes solutions proposées sur le web, transformer en tableau de char, les pointeurs, utilisation de c_str()... : je n'y arrive pas... Et surtout, il y a un truc qui m'échappe...
Merci pour vos éléments d'explication...

Nb : en fait, je m'en sort avec les codes ascii
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 int main() { string mot; int x; cin >> mot; cout << "Mot avant : " << mot << endl; for (int i = 0; mot[i] != '\0'; i++) { x = mot[i]; if (x == -126) { mot[i] = 'e'; } }; cout << "Mot apres : " << mot << endl; return 0; }
Mais là encore, le é avec cin a une valeur -126; en l'affectant à la variable dans le code : -23 avec un caractère Ú ?!?!

Merci

02/11/2018, 20h21
foetus

Il faut que tu comprennes la différence entre ASCII - MBCS (latin-1, shift-js, ...) - Unicode (UTF-8, UTF-16, UTF-32)

Ensuite, il faut que tu contrôles/ maîtrises :mrgreen: tes chaînes de caractères, parce que ta chaîne "été", quel est son encodage ? :koi: :koi:

Bonus : C/ C++ a le support de l'ASCII (avec le type char) mais aussi de l'UTF-16 avec le type wchar_t et en mettant un L majuscule devant les chaînes de caractères (L"été")
03/11/2018, 16h13
cc85

Bonjour,

Je te remercie pour ces réponses mais je ne sais pas trop quoi en faire.

J'utilise C::B.
J'ai été voir dans Settings/Editor/General settings/Encoding settings. L'encodage était WINDOWS-1252.
J'ai changé en UTF8, UTF16, ISO-8859, recompilé : c'est toujours pareil.

As tu des conseils ou un site qui traite de la question ?

Merci
03/11/2018, 16h53
foetus
Citation:

Envoyé par cc85

J'utilise C::B.
J'ai été voir dans Settings/Editor/General settings/Encoding settings. L'encodage était WINDOWS-1252.
J'ai changé en UTF8, UTF16, ISO-8859, recompilé : c'est toujours pareil.

Ceci c'est l'encodage de tes fichiers sources et non pas de tes chaînes de caractères [constantes] :aie: :aie:

Citation:

Envoyé par cc85

Je te remercie pour ces réponses mais je ne sais pas trop quoi en faire.
- été -> ASCII n'existe pas
- été -> UTF-8 - "\uC3\uA9\u74\uC3\uA9" ou "\uC3\uA9t\uC3\uA9"
- été -> UTF-16 - L"été" ou "\U00E9\U0074\U00E9"
- été -> latin-1 - "\xE9t\xE9"
Si tu ne vois pas des différences, va à l'ophtalmologue :aie: :aie:
Tu ne peux pas comparer \xE9 avec \U00E9 avec \uC3 avec \uA9.
03/11/2018, 17h10
cc85

Merci encore d'avoir répondu, mais ce n'est pas un ophtalmo qu'il me faut mais des conseils pour débutant.
Pas grave, je vais faire autrement.
Bonne journée.
03/11/2018, 22h23
dalfab
Bonjour,

Pour être gérés par un logiciel les caractères doivent être encodés. Quand on utilise la touche 'é', l'éditeur de texte va reconnaître la touche, et va afficher un 'é'. Comme un fichier c'est fait d'octets, au moment de la sauvegarde, l'éditeur va stocker un nombre équivalent à ce caractère. La correspondance entre tous les caractères possibles et leur nombre associé est ce que l'on appelle un codepage.
1. Dans un octet, on ne peut stocker qu'un nombre compris entre 0 et 255. Dans certaines langues c'est suffisant, mais on doit choisir un codepage compatible avec la langue. par exemple Wndows1252 ou IBM850 ou ISO-8859-1 sont compatibles avec les caractères français.
2. On peut sinon utiliser 4 octets pour un caractère, et dans ce cas tous les caractères du monde tiennent dans cette table. La norme ISO-10646 défini ces codes que l'on retrouve sous le nom UTF-32.
3. on peut aussi utiliser des encodages dont la taille est variable, par exemple :
  1. L'UTF-8 code tous les caractères sur 1, 2, 3 ou 4 octets
  2. L'UTF-16 code tous les caractères sur 2 ou 4 octets.
Revenons à notre programme. Les fichiers sources utilisent un encodage. Le fichier compilé aura lui aussi des encodages internes. Quand le programme se déroule, va devoir s'adapter aux périphériques avec lequel il communique (les fichiers, la console, un driver graphique). Si tout le monde utilise le même encodage, il n'y aura aucun problème, sinon il faut que le programme s'adapte.
1. On écrit dans le code source "été"
2. l'éditeur va stocker cette séquence en utilisant un encodage. p.e Windows1252 => <E9 74 E9>
3. le compilateur va lire la séquence (il doit connaître l'encodage du fichier)
  et ce qu'il va mettre dans le code dépend du préfixe :
  - u8"été" ===> 5 char UTF-8 : <C3 A9 74 C3 A9>
  - u"été" ===> 3 char16_t UTF-16: <00E9 0074 00E9>
  - U"été" ===> 3 char32_t UTF-32: <000000E9 00000074 000000E9>
  - L"été" ===> 3 wchar_t (dépend du compilateur souvent UTF-16 ou UTF-32)
  - "été" ===> dépend de la pagecode de compilation (vraisemblablement Windows1252 chez toi) <E9 74 E9>
4. le programme se déroule, il veut transmettre la chaîne à la console <E9 74 E9>
5. la console reçoit les caractères (sous windows elle est souvent en codepage IBM850)
  elle interprète les caractère comme E9->Ú 74->t E9->Ú ==> "ÚtÚ"
Ton problème donc est que la console n'a pas le même pagecode que ton programme.

Des solutions possibles :
- prévenir le compilateur pour qu'il utilise la pagecode IBM850 pour les chaînes sans préfixe comme "été"
  (la méthode dépend du compilateur utilisé pour gcc : -fexec-charset , pour visualstudio : #pragma execution_character_set)
- demander à la console d'utiliser la pagecode Windows-1252
  (exécuter un system("chcp 1252"); au début du programme peut fonctionner)
- faire que ton programme traduise de sa pagecode vers celle de la console, et inversement au retour. C'est très lourd si un des 2 n'est pas en UTF.
- utiliser un des encodages UTF8, UTF16 ou UTF32 pour lesquels les conversions éventuelles sont plus simple. Mais il faudra aussi s'assurer que la console utilise le même encodage ou effectuer les conversions nécessaires.
Sous Windows la dernière est la plus compliquée, sous Linux c'est la plus simple. Indispensable surtout si on souhaite écrire un programme internationalisable.
04/11/2018, 02h41
Bousk

Conseil pour débutant : n'utilise pas d'accents, et encore moins en console.
04/11/2018, 10h19
cc85

Bonjour,

Merci Bousk pour ta réponse et je suis ok.
Je me suis sans doute mal exprimé mais le but de mon programme est justement que si l'utilisateur saisi des accents dans la réponse, le programme enlève les accents pour un affichage correct.
Le problème est que lorsque je mets la chaîne dans le programme, if (mot[i] == 'é') fonctionne. Quand je saisi avec un cin, ça ne fonctionne pas.

Merci Dalfab pour ta réponse très pédagogique. J'ai tout compris ! Enfin presque...
J'ai ajouté :

Code:

#include <cstdlib>

et

Code:

system("chcp 1252");

Et tout fonctionne à merveille, à la fois pour l'affichage et pour la suppression des accents : if (mot[i] == 'é') fonctionne.

Il me reste à bosser la question des wchar_t et cie...

Merci encore et bon dimanche !
05/11/2018, 16h26
ternel
A priori, il vaudrait mieux utiliser:
Code:

1 2 3 #if defined WIN32 system("chcp 1252"); #endif
En effet, cette fonctionalité n'est disponible que dans les consoles Windows, il ne sert à rien de l'invoquer sur un Linux ou autre.