[string] Sans accents

Bonjour,

Je souhaite manipuler des fichiers texte mais auparavant j'aimerai les copiers et les transformer. Je dois passer le texte en minuscule, supprimer les caractère spéciaux, les espaces et transformé les caractères accentués en caractères non accentués. C'est cette dernière étape qui me bloque :

Pour le moment j'ai ca :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

def Lire_Fic_Text(self,source,destination): fs = open(source, 'r') fd = open(destination, 'w') while 1: txt = fs.readline() if txt =='': break if txt[0] != '': txt = txt.replace(' ','') txt = txt.lower() txt = ''.join(u for u in txt if u in ascii_letters) txt = self.Enleve_Accents(txt) fd.write(txt) fs.close() fd.close()

---

A quoi doit ressembler ma méthode Enleve_Accents(fichier.txt) pour cela ? Merci

PS : En plus d'ouvrir mon fichier pour lire le texte qu'il contient, je voudrais aussi l'ouvrir pour lire octet par octet, y a t-il une méthode particulière autre que open(fic,mode)?

Bonjour,

Solution possible:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12

def Enleve_Accents(txt): ch1 = u"àâçéèêëîïôùûüÿ" ch2 = u"aaceeeeiiouuuy" s = "" for c in txt: i = ch1.find(c) if i>=0: s += ch2[i] else: s += c return s

---

Ce n'est pas une méthode très subtile, mais ça marche assez bien.

Exemple:

Code:

---

1 2 3 4

txt = u"zjciéoèçàfdùô" print Enleve_Accents(txt) zjcieoecafduo

---

On peut adapter ch1 et ch2 pour traiter aussi des majuscules accentuées.

Tyrtamos

bonjour,

tu peux utiliser le module unicodedata. Voici un exemple:

Code:

---

1 2 3 4 5 6 7 8 9

# -*- coding: utf-8 -*-   import unicodedata   chaine = u"mà chàîne âvèc dès càräctère spéciâüx"   chaine = unicodedata.normalize('NFKD', chaine).encode('ASCII', 'ignore') print chaine

---

Je viens d'essayer, et effectivement, celle avec unicodedata m'a l'air bonne. Merci donc.

Siriru

Bonjour, j'ai actuellement plus ou moins le même problème. Je souhaite cependant que la chaine reste en unicode (et pas en ascii). En fait, je souhaite simplement comparer deux chaines unicode en ignorant les accents. Des idées ?

Cordialement,
MB.

Bonjour,

Avec la solution unicodedata ci-dessus, on peut repasser la chaine en unicode en ajoutant simplement .decode('ASCII') à la formule.

Cette solution passant par ascii est un peu brutale. Selon le problème à résoudre, elle peut l'être trop. Par exemple elle fait disparaître (sans message) certains caractères de la langue française comme 'æ', 'œ' ou même le signe euros '€'.

Pour un contrôle au caractère près, on devrait pouvoir adapter mon code ci-dessus. Sinon, unicodedata devrait aller.

Tyrtamos

Merci, ça devrait aller comme ça. :)
J'ai recherché une fonction qui permettrait de comparer directement deux chaines en ignorant les caractères accentués, mais on dirait que ça n'existe pas.