Probleme de RegeXp

J'ai un gros problème de regexp , je les utilisent pour nettoyer du texte mais les lettre non ASC-II comme é à sont supprimé :? .

voici mon script de teste

Code:

---

1 2 3 4 5 6 7 8 9

#!/usr/bin/perl -w my $m = " métà è à ô î û â !!!!!!!!!!!!!!!!!!!!!!!!!!! --------- ?? welcome to jamrock \" 0 1 2 3 4 5 6 7 8 9 158895 ¦ [maison] <> < q< >>>> {google}² & ~ # ' { ( [ - | ` _ \ ^ @ ] ° ) = } + - * / ¨ $ £ ¤ µ % ! § : ; . , ? "; $m = quotemeta($m); $m =~ s/\W/ /gi; $m =~ s/\d/ /gi; $m =~ s/_/ /g; $m =~ s/^\s+//g; $m =~ s/\s+/ /g; print "$m\n"

---

De plus le problème est que le texte n'est pas forcement en français mais en allemand , chinois etc ..

Auriez vous une solution ?

remplace ton

Citation:

---

$m =~ s/\W/ /gi;

---

par

Citation:

---

$m =~ s/[^\p{IsWord}\s]//g;

---

, l equivalent POSIX

Tu peux aussi essayer simplement de rajouter "use locale;" en haut de ton script.

--
Jedaï

Merci a vous Jedai et Tfe :D .

J'ai oublier un ti truc :oops: , je souhaite supprimé les caractères isolé j'ai tenté la chose avec

Code:

---

$m =~ s/\s\w{1,2}\s/ /g;

---

mais ce n'est pas parfait en effet si j'ai un teste comme ceci :

Citation:

---

A ma maman chérie

---

:wink: ma seras supprimé mais pas

Citation:

---

A

---

car il n'y a pas d'espace avant lui :cry: :P

Au lieu d'utiliser "\s", utilise plutôt "\b" qui est zero-width (de largeur nulle) et repère les frontières (boundaries) des mots. Autrement dit, \b matche au-début et à la fin des mots (plus exactement entre un \w et un \W).

--
Jedaï

Mici Jedai