Regex supprimer tous les caractères invalides pour l'encodage « UTF8 »

Bonjour,

J'ai de nouveau un problème de regex (décidémment...)
Je dois envoyer mes données dans ma base de données, mais à chaque fois qu'il y a un caractère qui n'est pas valide en UTF8, ça aboutit à une erreur.

J'aimerais donc savoir si c'est possible d'éliminer d'un fichier tous les caractères qui ne sont pas une séquence d'octets valide pour l'encodage « UTF8 » (Par exemple : ª (0xaa) ...)

Merci de vos réponses.

Tu peux utiliser le module Encode pour ça :

Code:

---

1 2 3

use Encode;   $data = decode ('UTF-8', encode ( 'utf8', $data ), sub { return "" } );

---

devrait faire l'affaire.

C'est un peu compliqué mais grosso-modo utf8 est laxiste et comprend tous les caractères dans la plage accessible numériquement par utf8 et UTF-8 est plus strict, il n'accepte que les véritables caractères unicodes, sub { return "" } devrait assurer que ces caractères disparaissent, il serait également envisageable de les remplacer par autre chose.

Ceci assume également que Perl est conscient que les données sont initialement en unicode, s'il les prend pour du binaire, le encode() n'est pas nécessaire et en fait est à supprimer.

--
Jedaï

Encore une fois merci Jedaï. :ccool: