Supprimer les accents dans une chaîne

Bonjour à tous

Voilà je souhaiterais disposer d'une méthode qui supprime les accents dans une chaîne. Par exemple,

Code:

---

J'ai été à la pêche

---

devient

Code:

---

J'ai ete a la peche

---

1) existe t'il une API qui fasse cela de façon simple ?
2) s'il n'y a pas d'API, comment coderiez vous-cela ? avec un switch/case à rallonge avec tous les cas possibles ? genre :

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

public static char convert(char c) { if (c >= 97 && c <= 122) { return c; } else if (c >= 65 && c <= 90) { return c; } else if (c >= 43 && c <= 57) { return c; } else if (c == 32 || c == 39 || c == 40 || c == 41 || c == 58 || c == 63) { return c; } else { switch (c) { case 'À' : case 'Á' : case 'Â' : return 'A'; case 'Ç' : return 'C'; case 'È' : case 'É' : case 'Ê' : case 'Ë' : return 'E'; case 'â' : case 'à' : case 'ä' : return 'a'; case 'ç' : return 'c'; case 'ê' : case 'è' : case 'é' : case 'ë' : return 'e'; case 'ï' : case 'î' : return 'i'; case 'ò' : case 'ó' : case 'ô' : case 'ö' : return 'o'; case 'û' : case 'ü' : case 'ù' : return 'u'; default : return '?'; } } }

---

Merci d'avance pour votre aide !

Bonjour,

Tu as plusieurs solutions à ce problème.
Aucune n'est parfaite.

1. Utiliser sun.text.Normalizer

Code:

---

1 2 3

static public String sansAccents(String s) { return Normalizer.normalize(s, Normalizer.DECOMP, 0).replaceAll("[^\\p{ASCII}]", ""); }

---

Inconvénient: les classes de sun sont "non standard/portables" et donc a NE PAS UTILISER. Ces classes sont normalement à usage interne de la jvm

2. Utiliser ICU4J

Code:

---

1 2	Transliterator accentsconverter = Transliterator.getInstance("NFD; [:M:] Remove; NFC; "); return accentsconverter.transliterate(yourString);

---

Inconvénient: Il faut un bibliothéque externe de plusieurs méga (3mo)

3. Ecrire ou utiliser une classe prévue à cet effet

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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384

package org.divxdede.util.text;   /** Classe complementaire du J2SDK sur la manipulation de chaines de caractéres  *  Permet nottament de supprimer les accents d'une chaine de caractères  *  * @author André Sébastien  **/ public class StringOperation { /** Mise en minuscule **/ public static final int LOWER_CASE = 4;   /** Mise en majuscule **/ public static final int UPPER_CASE = 8;   /** Remplacement des caractères accentués par leur versions sans accents **/ public static final int WITHOUT_ACCENTS = 16;   /** Index du 1er caractere accentué **/ private static final int MIN = 192;   /** Index du dernier caractere accentué **/ private static final int MAX = 383;   /** Vecteur de correspondance entre accent / sans accent **/ private static final char[] map = initMap();   /** Initialisation du tableau de correspondance entre les caractéres accentués et leur homologues non accentués **/ private static char[] initMap() { char[] result = new char[ MAX - MIN + 1 ]; char car = ' ';   car = 'A'; result[00] = car; /* '\u00C0' À alt-0192 */ result[01] = car; /* '\u00C1' Á alt-0193 */ result[02] = car; /* '\u00C2'  alt-0194 */ result[03] = car; /* '\u00C3' à alt-0195 */ result[04] = car; /* '\u00C4' Ä alt-0196 */ result[05] = car; /* '\u00C5' Å alt-0197 */ car = ' '; result[06] = car; /* '\u00C6' Æ alt-0198 ********* BI-CARACTERE ******** */ car = 'C'; result[07] = car; /* '\u00C7' Ç alt-0199 */ car = 'E'; result[8] = car; /* '\u00C8' È alt-0200 */ result[9] = car; /* '\u00C9' É alt-0201 */ result[10] = car; /* '\u00CA' Ê alt-0202 */ result[11] = car; /* '\u00CB' Ë alt-0203 */ car = 'I'; result[12] = car; /* '\u00CC' Ì alt-0204 */ result[13] = car; /* '\u00CD' Í alt-0205 */ result[14] = car; /* '\u00CE' Î alt-0206 */ result[15] = car; /* '\u00CF' Ï alt-0207 */ car = 'D'; result[16] = car; /* '\u00D0' Ð alt-0208 */ car = 'N'; result[17] = car; /* '\u00D1' Ñ alt-0209 */ car = 'O'; result[18] = car; /* '\u00D2' Ò alt-0210 */ result[19] = car; /* '\u00D3' Ó alt-0211 */ result[20] = car; /* '\u00D4' Ô alt-0212 */ result[21] = car; /* '\u00D5' Õ alt-0213 */ result[22] = car; /* '\u00D6' Ö alt-0214 */ car = '*'; result[23] = car; /* '\u00D7' × alt-0215 ***** NON ALPHA **** */ car = '0'; result[24] = car; /* '\u00D8' Ø alt-0216 */ car = 'U'; result[25] = car; /* '\u00D9' Ù alt-0217 */ result[26] = car; /* '\u00DA' Ú alt-0218 */ result[27] = car; /* '\u00DB' Û alt-0219 */ result[28] = car; /* '\u00DC' Ü alt-0220 */ car = 'Y'; result[29] = car; /* '\u00DD' Ý alt-0221 */ car = ' '; result[30] = car; /* '\u00DE' Þ alt-0222 ***** NON ALPHA **** */ car = 'B'; result[31] = car; /* '\u00DF' ß alt-0223 ***** NON ALPHA **** */ car = 'a'; result[32] = car; /* '\u00E0' à alt-0224 */ result[33] = car; /* '\u00E1' á alt-0225 */ result[34] = car; /* '\u00E2' â alt-0226 */ result[35] = car; /* '\u00E3' ã alt-0227 */ result[36] = car; /* '\u00E4' ä alt-0228 */ result[37] = car; /* '\u00E5' å alt-0229 */ car = ' '; result[38] = car; /* '\u00E6' æ alt-0230 ********* BI-CARACTERE ******** */ car = 'c'; result[39] = car; /* '\u00E7' ç alt-0231 */ car = 'e'; result[40] = car; /* '\u00E8' è alt-0232 */ result[41] = car; /* '\u00E9' é alt-0233 */ result[42] = car; /* '\u00EA' ê alt-0234 */ result[43] = car; /* '\u00EB' ë alt-0235 */ car = 'i'; result[44] = car; /* '\u00EC' ì alt-0236 */ result[45] = car; /* '\u00ED' í alt-0237 */ result[46] = car; /* '\u00EE' î alt-0238 */ result[47] = car; /* '\u00EF' ï alt-0239 */ car = 'd'; result[48] = car; /* '\u00F0' ð alt-0240 */ car = 'n'; result[49] = car; /* '\u00F1' ñ alt-0241 */ car = 'o'; result[50] = car; /* '\u00F2' ò alt-0242 */ result[51] = car; /* '\u00F3' ó alt-0243 */ result[52] = car; /* '\u00F4' ô alt-0244 */ result[53] = car; /* '\u00F5' õ alt-0245 */ result[54] = car; /* '\u00F6' ö alt-0246 */ car = '/'; result[55] = car; /* '\u00F7' ÷ alt-0247 ***** NON ALPHA **** */ car = '0'; result[56] = car; /* '\u00F8' ø alt-0248 ***** NON ALPHA **** */ car = 'u'; result[57] = car; /* '\u00F9' ù alt-0249 */ result[58] = car; /* '\u00FA' ú alt-0250 */ result[59] = car; /* '\u00FB' û alt-0251 */ result[60] = car; /* '\u00FC' ü alt-0252 */ car = 'y'; result[61] = car; /* '\u00FD' ý alt-0253 */ car = ' '; result[62] = car; /* '\u00FE' þ alt-0254 ***** NON ALPHA **** */ car = 'y'; result[63] = car; /* '\u00FF' ÿ alt-0255 */   result[64] = 'A'; /* '\u0100' ? */ result[65] = 'a'; /* '\u0101' ? */ result[66] = 'A'; /* '\u0102' ? */ result[67] = 'a'; /* '\u0103' ? */ result[68] = 'A'; /* '\u0104' ? */ result[69] = 'a'; /* '\u0105' ? */   result[70] = 'C'; /* '\u0106' ? */ result[71] = 'c'; /* '\u0107' ? */ result[72] = 'C'; /* '\u0108' ? */ result[73] = 'c'; /* '\u0109' ? */ result[74] = 'C'; /* '\u010A' ? */ result[75] = 'c'; /* '\u010B' ? */ result[76] = 'C'; /* '\u010C' ? */ result[77] = 'c'; /* '\u010D' ? */   result[78] = 'D'; /* '\u010e' ? */ result[79] = 'd'; /* '\u010f' ? */ result[80] = 'D'; /* '\u0110' ? */ result[81] = 'd'; /* '\u0111' ? */   result[82] = 'E'; /* '\u0112' ? */ result[83] = 'e'; /* '\u0113' ? */ result[84] = 'E'; /* '\u0114' ? */ result[85] = 'e'; /* '\u0115' ? */ result[86] = 'E'; /* '\u0116' ? */ result[87] = 'e'; /* '\u0117' ? */ result[88] = 'E'; /* '\u0118' ? */ result[89] = 'e'; /* '\u0119' ? */ result[90] = 'E'; /* '\u011A' ? */ result[91] = 'e'; /* '\u011B' ? */   result[92] = 'G'; /* '\u011C' ? */ result[93] = 'g'; /* '\u011D' ? */ result[94] = 'G'; /* '\u011E' ? */ result[95] = 'g'; /* '\u011F' ? */ result[96] = 'G'; /* '\u0120' ? */ result[97] = 'g'; /* '\u0121' ? */ result[98] = 'G'; /* '\u0122' ? */ result[99] = 'g'; /* '\u0123' ? */   result[100] = 'H'; /* '\u0124' ? */ result[101] = 'h'; /* '\u0125' ? */ result[102] = 'H'; /* '\u0126' ? */ result[103] = 'h'; /* '\u0127' ? */   result[104] = 'I'; /* '\u0128' ? */ result[105] = 'i'; /* '\u0129' ? */ result[106] = 'I'; /* '\u012A' ? */ result[107] = 'i'; /* '\u012B' ? */ result[108] = 'I'; /* '\u012C' ? */ result[109] = 'i'; /* '\u012D' ? */ result[110] = 'I'; /* '\u012E' ? */ result[111] = 'i'; /* '\u012F' ? */ result[112] = 'I'; /* '\u0130' ? */ result[113] = 'i'; /* '\u0131' ? */   result[114] = ' '; /* '\u0132' ? ********* BI-CARACTERE ******** */ result[115] = ' '; /* '\u0133' ? ********* BI-CARACTERE ******** */ result[116] = 'J'; /* '\u0134' ? */ result[117] = 'j'; /* '\u0135' ? */   result[118] = 'K'; /* '\u0136' ? */ result[119] = 'k'; /* '\u0137' ? */ result[120] = 'k'; /* '\u0138' ? */   result[121] = 'L'; /* '\u0139' ? */ result[122] = 'l'; /* '\u013A' ? */ result[123] = 'L'; /* '\u013B' ? */ result[124] = 'l'; /* '\u013C' ? */ result[125] = 'L'; /* '\u013D' ? */ result[126] = 'l'; /* '\u013E' ? */ result[127] = 'L'; /* '\u013F' ? */ result[128] = 'l'; /* '\u0140' ? */ result[129] = 'L'; /* '\u0141' ? */ result[130] = 'l'; /* '\u0142' ? */   result[131] = 'N'; /* '\u0143' ? */ result[132] = 'n'; /* '\u0144' ? */ result[133] = 'N'; /* '\u0145' ? */ result[134] = 'n'; /* '\u0146' ? */ result[135] = 'N'; /* '\u0147' ? */ result[136] = 'n'; /* '\u0148' ? */ result[137] = 'n'; /* '\u0149' ? */ result[138] = 'N'; /* '\u014A' ? */ result[139] = 'n'; /* '\u014B' ? */   result[140] = 'O'; /* '\u014C' ? */ result[141] = 'o'; /* '\u014D' ? */ result[142] = 'O'; /* '\u014E' ? */ result[143] = 'o'; /* '\u014F' ? */ result[144] = 'O'; /* '\u0150' ? */ result[145] = 'o'; /* '\u0151' ? */ result[146] = ' '; /* '\u0152' Œ ********* BI-CARACTERE ******** */ result[147] = ' '; /* '\u0153' œ ********* BI-CARACTERE ******** */   result[148] = 'R'; /* '\u0154' ? */ /* --> non testé dans test JUnit */ result[149] = 'r'; /* '\u0155' ? */ result[150] = 'R'; /* '\u0156' ? */ result[151] = 'r'; /* '\u0157' ? */ result[152] = 'R'; /* '\u0158' ? */ result[153] = 'r'; /* '\u0159' ? */   result[154] = 'S'; /* '\u015A' ? */ result[155] = 's'; /* '\u015B' ? */ result[156] = 'S'; /* '\u015C' ? */ result[157] = 's'; /* '\u015D' ? */ result[158] = 'S'; /* '\u015E' ? */ result[159] = 's'; /* '\u015F' ? */ result[160] = 'S'; /* '\u0160' Š */ result[161] = 's'; /* '\u0161' š */   result[162] = 'T'; /* '\u0162' ? */ result[163] = 't'; /* '\u0163' ? */ result[164] = 'T'; /* '\u0164' ? */ result[165] = 't'; /* '\u0165' ? */ result[166] = 'T'; /* '\u0166' ? */ result[167] = 't'; /* '\u0167' ? */   result[168] = 'U'; /* '\u0168' ? */ result[169] = 'u'; /* '\u0169' ? */ result[170] = 'U'; /* '\u016A' ? */ result[171] = 'u'; /* '\u016B' ? */ result[172] = 'U'; /* '\u016C' ? */ result[173] = 'u'; /* '\u016D' ? */ result[174] = 'U'; /* '\u016E' ? */ result[175] = 'u'; /* '\u016F' ? */ result[176] = 'U'; /* '\u0170' ? */ result[177] = 'u'; /* '\u0171' ? */ result[178] = 'U'; /* '\u0172' ? */ result[179] = 'u'; /* '\u0173' ? */   result[180] = 'W'; /* '\u0174' ? */ result[181] = 'w'; /* '\u0175' ? */   result[182] = 'Y'; /* '\u0176' ? */ result[183] = 'y'; /* '\u0177' ? */ result[184] = 'Y'; /* '\u0178' Ÿ */   result[185] = 'Z'; /* '\u0179' ? */ result[186] = 'z'; /* '\u017A' ? */ result[187] = 'Z'; /* '\u017B' ? */ result[188] = 'z'; /* '\u017C' ? */ result[189] = 'Z'; /* '\u017D' Ž */ result[190] = 'z'; /* '\u017E' ž */   result[191] = 'f'; /* '\u017F' ? */   return result; }   /** Transforme une chaine de caractères selon differents critères (paramètre mode),       *  @param chaine Chaine sur laquelle on veut effectuer une transformation       *  @param mode Mode de transformation, plusieurs mode sont accessibles, ceux-ci peuvent être combiné       *              - LOWER_CASE             : Mise en minuscule       *              - UPPER_CASE             : Mise en majuscule       *              - WITHOUT_ACCENTS        : Remplace les caractères accentués par leur version sans accent       *                                         La combinaision de mode se fait de la sorte LOWER_CASE | WITHOUT_ACCENTS       * @return Chain transformée       **/ public static java.lang.String transform(java.lang.String chaine , int mode) { if( mode == UPPER_CASE ) return chaine.toUpperCase(); if( mode == LOWER_CASE ) return chaine.toLowerCase();   int firstReplacement = scan( chaine, mode );   if( firstReplacement == -1 ) return chaine;   char[] result = chaine.toCharArray(); int offset = firstReplacement;   boolean toUpper = (mode & UPPER_CASE) > 0; boolean toLower = (mode & LOWER_CASE) > 0; boolean withoutAccents = (mode & WITHOUT_ACCENTS) > 0;   for(int bcl = firstReplacement ; bcl < chaine.length() ; bcl++ ) { char c = result[bcl]; int type = Character.getType(c);   /** Remplacement              */ char r = c;   /** isLetter()              */ if( type == Character.UPPERCASE_LETTER || type == Character.LOWERCASE_LETTER || type == Character.TITLECASE_LETTER || type == Character.MODIFIER_LETTER || type == Character.OTHER_LETTER ) // || type == Character.OTHER_PUNCTUATION ) { if( toUpper && (type == Character.LOWERCASE_LETTER || type == Character.OTHER_PUNCTUATION) ) { r = Character.toUpperCase(c); } else if( toLower && (type == Character.UPPERCASE_LETTER || type == Character.OTHER_PUNCTUATION ) ) r = Character.toLowerCase(c);   if( withoutAccents && r >= MIN && r <= MAX && ( r != 198 && r != 230 && r != 306 && r != 307 && r != 339 && r != 340 ) ) { r = map[ (int)r - MIN ]; } }   result[offset] = r; offset++; }   String res = new String(result); return new String(result,0,offset); }   /** Donne l'index du 1er caractère donnant lieu a une transformation selon le mode donné      *  @param chaine Chaine à tester      *  @param mode Mode pilotant la future transformation de la chaine      *  @return index du 1er caractère à transformer, -1 si aucun caractère n'est a transformer      */ private static int scan(java.lang.String chaine , int mode) { /**             ALPHA_NUM                           WITHOUT_SPECIALS_CHARS             LOWER_CASE                         UPPER_CASE                         WITHOUT_ACCENTS                  */ int computedMode = 0; for(int bcl = 0 ; bcl < chaine.length() ; bcl++ ) { char c = chaine.charAt(bcl); int type = Character.getType(c);   /** isLetter()              */ if( type == Character.UPPERCASE_LETTER || type == Character.LOWERCASE_LETTER || type == Character.TITLECASE_LETTER || type == Character.MODIFIER_LETTER || type == Character.OTHER_LETTER ) // || type == Character.OTHER_PUNCTUATION ) { if( type == Character.LOWERCASE_LETTER ) computedMode = computedMode | UPPER_CASE; else if( type == Character.UPPERCASE_LETTER ) computedMode = computedMode | LOWER_CASE;   if( c >= MIN && c <= MAX ) { computedMode = computedMode | WITHOUT_ACCENTS; } }   if( ( computedMode & mode ) > 0 ) return bcl; }   return -1; }     /** Transforme une chaine pouvant contenir des accents dans une version sans accent      *  @param chaine Chaine a convertir sans accent      *  @return Chaine dont les accents ont été supprimé      **/ public static java.lang.String sansAccents(java.lang.String chaine) { return transform(chaine, WITHOUT_ACCENTS ); } }

---

Inconvénient: Ecrit à la main, n'est sans doute pas aussi générale que le serait une API comme ICU4J Cependant, le fait d'être écrite uniquement pour cette tâche (suppression des accents) permet d'être relativement efficace.

Salut,

Citation:

---

Envoyé par divxdede

Inconvénient: les classes de sun sont "non standard/portables" et donc a NE PAS UTILISER. Ces classes sont normalement à usage interne de la jvm

---

Cette classe a été intégré en standard dans Java 6 (sous une forme légèrement différente) : http://javasearch.developpez.com/j2s...ormalizer.html

A noter également que tu peux utiliser le pattern "[\u0300-\u036F]" à la place de "[^\\p{ASCII}]" qui supprimera seulement les accents et assimilés mais pas les autres caractères non ascii (bon cela dépend également de ce que tu veux faire exactement ;))

Exemple Java 6 :

Code:

---

1 2 3

public static String removeAccent(String source) { return Normalizer.normalize(source, Normalizer.Form.NFD).replaceAll("[\u0300-\u036F]", ""); }

---

Pour l'explication :

• Normalizer.normalize(source, Normalizer.Form.NFD) renvoi une chaine unicode décomposé. C'est à dire que les caractères accentué seront décomposé en deux caractères (par exemple "à" se transformera en "a`").
• Le replaceAll("[\u0300-\u036F]", "") supprimera tous les caractères unicode allant de u0300 à u036F, c'est à dire la plage de code des diacritiques (les accents qu'on a décomposé ci dessus donc).

a++

Effectivement, n'ayant pas encore franchit le cap de Java 6, cette classe m'était inconnue... Merci ;)
Cependant en terme de performance, ca me semble assez lourd (dans le cas de transformation de masse) quand bien même le pattern serait compilé une fois pour toute.

Merci à tous les 2 pour vos réponses claires et précises !

Comme je suis en java 1.4 et que je dois effectuer d'autres traitements spécifiques sur les caractères, je pense que vais opter pour une approche "à la main"
(en plus de convertir les accents, je ne dois laisser passer qu'une certaine plage de caractères, cad remplacer les caractères "exotiques" du genre µ,¤,€,etc. par le caractère "?")