Passer de ascii vers unicode

Bonjour,

J'ai un fichier texte avec du texte en ASCII dont certains bout de chaine correspondent au codage unicode.
Par exemple :

Code:

---

Le couch\u00e9 du soleil est \u00e0 10h.

---

Je n'arrive pas à le passer dans un format du genre :

Code:

---

Le couché du soleil est à 10h.

---

J'ai essayé avec le module encode 'encode_utf8'
J'ai aussi essayé de faire une substitution de '\u00' par '\x'

rien ne marche...
auriez vous une idée de comment régler le problème ?
merci d'avance

Ton message n'est pas très clair...
Le texte d'origine contient-il litéralement des "\u..." ou contient-il les caractères Unicode encodé en utf-8 ? Selon ta réponse la solution sera bien différente.
Par ailleurs soit bien conscient que de toute façon l'encodage latin-9 est bien trop limité pour traduire tous les caractères Unicode dedans, donc tu risques d'avoir des textes non-réencodable, que veux-tu faire dans ce cas ?

(Par ailleurs "ASCII" est incorrect : ce terme désigne les caractères encodable sur 7bits et ils sont encodés de la même façon en utf-8 ou en latin-9 ou autre encodage sur 8bits.)

--
Jedaï

Merci pour votre réponse rapide
excusez moi je ne suis pas très callé dans les encodages de caractères.

Il y a bien littérallement les \u... dans ce fichier texte.
J'aimerais en effet convertir ses caractères en latin.
Et si le caractère n'existe pas en latin-9, le mieux c'est d'ignorer ce caractère, ce n'est pas très important (sois le laisser en \u... soit avoir un caractère spécial qui n'est pas interpreté correctement !)


Si vous avez la solution je suis preneur !
J'espère que j'ai répondu à vos questions
Merci d'avance

J'ai essayé beaucoup de chose, mais rien qui marche ce que je ne comprends pas c'est que lorsque j'ai une chaine de caractères du genre "\xe9" elle est bien interprété, mais lorsque j'ai un chaine du genre "\u00e9" puis que je remplace "\u00" par "\x" alors là ce n'est plus interprété....
En voici un exemple :

Code:

---

1 2 3 4 5 6 7

$a="Le couch\xe9 du soleil est \u00e9 10h."; $a =~ s/\u00/\x/g; print $a;   ---output--- Le couch� du soleil est e9 10h.

---

Quelqu'un peu expliquer pourquoi ? ou a une solution au post ?
Merci d'avance

Inutile d'utiliser une substitution, Il existe certainement des modules faisant cela du genre de :
http://search.cpan.org/~dankogai/Enc...26/encoding.pm
http://search.cpan.org/~jv/PostScrip...in9Encoding.pm

Recherche le module approprié sur le CPAN
http://search.cpan.org/search?query=encoding+&mode=all

Salut, merci mais je ne pense pas qu'un module existant pourra régler mon problème :cry:

Le problème n'est pas l'existence de module pour encoder, car je pense que ces modules servent à passer d'un encodage à un autre....

Or mon fichier contient des données en ASCII (plain text) mais certains bouts de chaînes correspondent à de l'Unicode.

Mon fichier n'est donc pas de l'unicode à passer en latin, mais de l'ascii ou certaines chaînes sont à interpréter en unicode...

Citation:

---

Envoyé par rastakouair

J'ai essayé beaucoup de chose, mais rien qui marche ce que je ne comprends pas c'est que lorsque j'ai une chaine de caractères du genre "\xe9" elle est bien interprété, mais lorsque j'ai un chaine du genre "\u00e9" puis que je remplace "\u00" par "\x" alors là ce n'est plus interprété....
En voici un exemple :

Code:

---

1 2 3 4 5 6 7

$a="Le couch\xe9 du soleil est \u00e9 10h."; $a =~ s/\u00/\x/g; print $a;   ---output--- Le couch� du soleil est e9 10h.

---

Quelqu'un peu expliquer pourquoi ? ou a une solution au post ?
Merci d'avance

---

L'utilisation des doubles quotes fait que ce qui est contenu à l'intérieur est interprété.

Si tu fais :

Code:

---

1 2 3

my $a= "Le couch\xe9 du soleil est \u00e9 10h."; print $a; # Cela écrit Le couché du soleil est 00e9 10h

---

Tandis que les simple quotes n'interprètent rien

Code:

---

1 2 3

my $a= 'Le couch\xe9 du soleil est \u00e9 10h.'; print $a; # Le couch\xe9 du soleil est \u00e9 10h.

---

Pour ce qui est de la substitution, pour indiquer le backslash tu dois le faire précéder d'un autre backslash.

Code:

---

1 2 3 4 5 6 7 8 9 10

#!/usr/local/bin/perl   use strict; use warnings;   my $a= 'Le couch\xe9 du soleil est \u00e9 10h.'; $a =~ s{\\u00}{\\x}g; # équivalent de $a =~ s/\\u00/\\x/g; print $a;   # output : Le couch\xe9 du soleil est \xe9 10h.

---

Ceci est juste l'explication à ta question mais je pense que ce n'est pas la manière correcte de résoudre ton problème. Attends Jedaï, il va certainement te dire quelle meilleure voie suivre.

Merci,
mais il y a toujours un problème...
A la fin de ton exemple je n'ais toujours pas les caractères d'interprété....
Comment faire pour ne pas avoir \xe9 mais bien le caractère interprété ?

Un truc comme :

Code:

---

1 2 3 4

$text =~ s/\u(\d{4})/chr($1)/ge; open my($out), '>:encoding(latin9)', $out_filename or die "$!\n"; print {$out} $text;

---

devrait convenir, si j'ai bien compris le problème.

--
Jedaï

Salut Jedai, merci pour ta réponse

On s'en approche mais ce n'est pas encore ça !
Déjà, j'ai du changer \d par \w car après "\u" c'est de l'alphanumérique.
mais le problème c'est que cela ne renvoie aucun caractère

en faisant un test on s'aperçoit que si on fait :

Code:

---

1 2 3

print "couch".chr('0x00e9')." du soleil\n"; > ceci ne renvoi rien print "couch".chr(0x00e9)." du soleil\n"; > ceci renvoi bien le caractère spécial

---

Voila je ne sais pas trop ce qu'il est possible de faire avec ça.
En gros il me faudrait un truc comme ça :

Code:

---

$text =~ s/\\u(\w{4})/chr(0x.$1)/ge;

---

mais avec $1 qui serait interprété comme un 00e9 (entier hexadécimal) et pas comme "00e9" (chaîne), je continue à chercher...

le problème c'est que la fonction hex() convertir une chaine hexa en nombre décimal et pas en nombre hexa...

Code:

---

1 2 3 4

$text =~ s/\u([0-9a-zA-Z]{4})/chr(hex($1))/ge; open my($out), '>:encoding(latin9)', $out_filename or die "$!\n"; print {$out} $text;

---

Citation:

---

le problème c'est que la fonction hex() convertir une chaine hexa en nombre décimal et pas en nombre hexa...

---

Réfléchit encore..

--
Jedaï

merci énormément,
je ne pense pas que sans vous j'aurais trouvé la solution...
ou pas avant un sacré bon bout de temps !

Merci Jedai