Remplacer les caractères spéciaux d'un document HTML par les entités correspondantes

**Roland Chastain** · 12/06/2014, 20h34

Bonjour !

A l'occasion d'une question posée dans le forum, j'ai voulu voir si j'arriverais à fabriquer un outil qui remplacerait les caractères spéciaux d'un document HTML par les "entités" correspondantes (et inversement).

J'ai pensé qu'il fallait que je commence par me procurer une table. J'ai donc pris une copie de cette (jolie) page, et j'ai écrit un petit programme pour en extraire les données intéressantes. J'ai obtenu un fichier qui se présente ainsi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
&Tab; &#x00009; 	
&NewLine; &#x0000A; 
 
&excl; &#x00021; !

Maintenant je pense à fabriquer une unité à partir de ce fichier, mais je bute sur un problème, qui est de produire les caractères correspondants à partir de leur code, pour les mettre dans un tableau avec les données que j'ai déjà. Mais ça, je ne sais pas comment le faire. A moins de me limiter aux caractères ASCII (qui peuvent être produits au moyen de la fonction Chr) ?

Suis-je sur la bonne route ? Auriez-vous des conseils à me donner ?

**Roland Chastain** · 13/06/2014, 10h37

Bon, après avoir fait quelques recherches sur le sujet, j'ai décidé de me limiter aux caractères ASCII.

Voici la fonction CharToEntity. Qu'en pensez-vous ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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
function CharToEntity(c: char): string;
begin
  result := '';
  case c of
    '!': result := '&excl;';
    '"': result := '&quot;';
    '#': result := '&num;';
    '$': result := '&dollar;';
    '%': result := '&percnt;';
    '&': result := '&amp;';
    '''': result := '&apos;';
    '(': result := '&lpar;';
    ')': result := '&rpar;';
    '*': result := '&ast;';
    '+': result := '&plus;';
    ',': result := '&comma;';
    '.': result := '&period;';
    '/': result := '&sol;';
    ':': result := '&colon;';
    ';': result := '&semi;';
    '<': result := '&lt;';
    '=': result := '&equals;';
    '>': result := '&gt;';
    '?': result := '&quest;';
    '@': result := '&commat;';
    '[': result := '&lsqb;';
    '\': result := '&bsol;';
    ']': result := '&rsqb;';
    '^': result := '&Hat;';
    '_': result := '&lowbar;';
    '`': result := '&grave;';
    '{': result := '&lcub;';
    '|': result := '&verbar;';
    '}': result := '&rcub;';
    '*': result := '&nbsp;';
    '¡': result := '&iexcl;';
    '¢': result := '&cent;';
    '£': result := '&pound;';
    '¤': result := '&curren;';
    '¥': result := '&yen;';
    '¦': result := '&brvbar;';
    '§': result := '&sect;';
    '¨': result := '&Dot;';
    '©': result := '&copy;';
    'ª': result := '&ordf;';
    '«': result := '&laquo;';
    '¬': result := '&not;';
    '*': result := '*';
    '®': result := '&reg;';
    '¯': result := '&macr;';
    '°': result := '&deg;';
    '±': result := '&plusmn;';
    '²': result := '&sup2;';
    '³': result := '&sup3;';
    '´': result := '&acute;';
    'µ': result := '&micro;';
    '¶': result := '&para;';
    '·': result := '&middot;';
    '¸': result := '&cedil;';
    '¹': result := '&sup1;';
    'º': result := '&ordm;';
    '»': result := '&raquo;';
    '¼': result := '&frac14;';
    '½': result := '&frac12;';
    '¾': result := '&frac34;';
    '¿': result := '&iquest;';
    'À': result := '&Agrave;';
    'Á': result := '&Aacute;';
    'Â': result := '&Acirc;';
    'Ã': result := '&Atilde;';
    'Ä': result := '&Auml;';
    'Å': result := '&Aring;';
    'Æ': result := '&AElig;';
    'Ç': result := '&Ccedil;';
    'È': result := '&Egrave;';
    'É': result := '&Eacute;';
    'Ê': result := '&Ecirc;';
    'Ë': result := '&Euml;';
    'Ì': result := '&Igrave;';
    'Í': result := '&Iacute;';
    'Î': result := '&Icirc;';
    'Ï': result := '&Iuml;';
    'Ð': result := '&ETH;';
    'Ñ': result := '&Ntilde;';
    'Ò': result := '&Ograve;';
    'Ó': result := '&Oacute;';
    'Ô': result := '&Ocirc;';
    'Õ': result := '&Otilde;';
    'Ö': result := '&Ouml;';
    '×': result := '&times;';
    'Ø': result := '&Oslash;';
    'Ù': result := '&Ugrave;';
    'Ú': result := '&Uacute;';
    'Û': result := '&Ucirc;';
    'Ü': result := '&Uuml;';
    'Ý': result := '&Yacute;';
    'Þ': result := '&THORN;';
    'ß': result := '&szlig;';
    'à': result := '&agrave;';
    'á': result := '&aacute;';
    'â': result := '&acirc;';
    'ã': result := '&atilde;';
    'ä': result := '&auml;';
    'å': result := '&aring;';
    'æ': result := '&aelig;';
    'ç': result := '&ccedil;';
    'è': result := '&egrave;';
    'é': result := '&eacute;';
    'ê': result := '&ecirc;';
    'ë': result := '&euml;';
    'ì': result := '&igrave;';
    'í': result := '&iacute;';
    'î': result := '&icirc;';
    'ï': result := '&iuml;';
    'ð': result := '&eth;';
    'ñ': result := '&ntilde;';
    'ò': result := '&ograve;';
    'ó': result := '&oacute;';
    'ô': result := '&ocirc;';
    'õ': result := '&otilde;';
    'ö': result := '&ouml;';
    '÷': result := '&divide;';
    'ø': result := '&oslash;';
    'ù': result := '&ugrave;';
    'ú': result := '&uacute;';
    'û': result := '&ucirc;';
    'ü': result := '&uuml;';
    'ý': result := '&yacute;';
    'þ': result := '&thorn;';
    'ÿ': result := '&yuml;';
  end;
end;

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
var
  s: string;
  i: integer;
  e: string;
 
begin
  s := 'général';
  i := 1;
  while i <= Length(s) do
  begin
    e := CharToEntity(s[i]);
    if e <> '' then
    begin
      Insert(e, s, i);
      Delete(s, i + Length(e), 1);
      Inc(i, Length(e));
    end else
      Inc(i);
  end;
  WriteLn(s);
end.

P.-S. Je viens de m'apercevoir que le code ne s'affiche pas correctement : certaines entités sont remplacées par le caractère correspondant.

**Roland Chastain** · 13/06/2014, 12h49

Maintenant, imaginons que je veuille traiter, au moyen de ma fonction, un document HTML entier. Quelle serait selon vous la méthode à suivre ?

Suffirait-il par exemple d'ignorer les "<" et ">" et de traiter tout le reste ? Ou d'ignorer aussi les accolades, à cause du code CSS ?

Comment aborderiez-vous ce problème ?

P.-S. Après réflexion, il me semble qu'une stratégie acceptable pourrait être de traiter tout le texte, sauf les balises, et sauf le texte contenu entre les balises "style" (qui est du code CSS). Enfin, c'est du moins la conclusion à laquelle je suis arrivé en regardant une page HTML de mon site personnel, qui n'est sûrement pas représentative de tout ce qui peut exister.

**Roland Chastain** · 14/06/2014, 08h42

J'ai bricolé quelque chose qui fonctionne, du moins sur la seule page que j'ai essayée. Je joins le programme, avec la page originale et le résultat. Si vous avez des suggestions, je les écouterai volontiers.

Cependant, je me demande si ça a du sens de remplacer tous ces caractères (par exemple les points et les virgules). A quoi cela peut-il servir ? Si vous deviez utiliser un programme de ce genre, quels sont les caractères que vous jugeriez utile de remplacer ?

**Alcatîz** · 14/06/2014, 20h14

Bonjour,

Le contenu des balises n'est pas converti ; or, certaines balises comme <a></a>, par exemple, admettent des propriétés contenant du texte à afficher (les propriétés title et alt, en l'occurence), qui doit également être converti.

Tu pourrais également commencer l'exécution du programme par un test de la propriété charset de la balise <meta></meta> : si la valeur est autre chose que charset=iso-8859-1 alors la conversion ne peut se faire.

Petit détail en passant : le symbole monétaire € doit être converti en €, si je ne m'abuse ?

**Roland Chastain** · 15/06/2014, 09h54

Merci Alcatîz, d'avoir regardé mon programme et de m'avoir donné ces indications.

Envoyé par Alcatîz

Le contenu des balises n'est pas converti ; or, certaines balises comme <a></a>, par exemple, admettent des propriétés contenant du texte à afficher (les propriétés title et alt, en l'occurence), qui doit également être converti.

Bien vu ! Je crois pouvoir faire cette modification.

Envoyé par Alcatîz

Tu pourrais également commencer l'exécution du programme par un test de la propriété charset de la balise <meta></meta> : si la valeur est autre chose que charset=iso-8859-1 alors la conversion ne peut se faire.

Je ne vois pas bien pourquoi il faut faire cela mais, quoiqu'il en soit, je prends bonne note.

Envoyé par Alcatîz

Petit détail en passant : le symbole monétaire € doit être converti en €, si je ne m'abuse ?

Là je retombe sur une difficulté dont j'ai parlé plus haut : c'est que je ne sais pas comment obtenir ce caractère, sachant que mon unité est fabriquée par un programme, à partir de données qui se présentent ainsi :

[edit]
Voir pièce jointe "texte1.txt".
[/edit]

(Ces données, je les ai extraites d'une page dont j'ai donné le lien au début.)

Voici le programme dont je me suis servi pour fabriquer mon unité :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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
program make1;
 
var
  i, o: text;
  s: string;
  a, b, c, d, e: longint;
 
begin
  Assign(i, '002.txt');
  Reset(i);
  Assign(o, '003.txt');
  Rewrite(o);
 
  while not Eof(i) do
  begin
    ReadLn(i, s);
 
    a := 1;
    while not ((s[a] = '&') and (s[a + 1] = '#') and (s[a + 2] <> 'x')) do Inc(a);
 
    b := 0;
    while s[a + b + 2] in ['0'..'9'] do Inc(b);
 
    Val(Copy(s, a + 2, b), c, d);
 
    if (d = 0) and (c >= 33) and (c <= 255) then
    begin
      e := Pos(' ', s);
      WriteLn(
        o,
        '''',
        Chr(c), 
        ''': result := ''',
        Copy(s, 1, e - 1),
        ''';'
      );
    end;
 
  end;
 
  Close(i);
  Close(o);
end.

Dans le fichier d'entrée j'ai des lignes comme celle-ci :

[edit]
Voir pièce jointe "texte2.txt".
[/edit]

Et le programme me fabrique à la place la ligne suivante :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

'è': result := '&egrave;';

Le problème c'est que pour produire dans mon fichier de sortie le caractère è, j'utilise la fonction Chr : c'est pourquoi je me suis limité aux caractères dont le code est inférieur ou égal à 255. Le symbole €, par exemple, je ne sais pas comment le produire (mis à part le rajouter à la main).

J'ai trouvé une façon de l'afficher dans une fenêtre (avec le code 128, pourquoi 128 ?),

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
program wchar;
 
{ FPC 2.6.4 }
 
uses windows;
 
var
  ws: widestring;
 
begin
  ws := widechar(128);
  messagebox(0, @ws[1], '', MB_OK);
end.

mais dans un fichier ça n'a pas fonctionné.

Voilà, pardon pour ce trop long message. Je crois que je me suis lancé là-dedans sans avoir toutes les connaissances requises. Si vous avez la patience de m'éclairer un peu, je suis à l'écoute. Autrement je me contenterai de rajouter à la main le symbole en question.

**Alcatîz** · 15/06/2014, 10h35

En fait, l'apparition du symbole € est postérieure à la norme ISO-8859-1, qui fixe le jeu de caractères ouest-européen de base.
Pour avoir une idée du flou qui peut régner à propos de l'euro : https://www.cs.tut.fi/~jkorpela/html/euro.html ou http://romy.tetue.net/comment-dit-on-euro-en-html

**Roland Chastain** · 15/06/2014, 20h58

Merci pour les liens !

Je n'ai pas ajouté le symbole mais je me suis donné de la peine.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
    if (s[n] = '<') and (Copy(s, n + 1, 3) <> '!--') and (Copy(s, n + 1, 5) <> 'style') then
      repeat
        if s[n] = '"' then
        begin
          if b then
            b := false
          else
            if FindPropertyName(s, n, 'alt')
            or FindPropertyName(s, n, 'title') { Liste à compléter. }
            then
              b := true;
        end
        else
          if b then
            CharReplace(s, n);
 
        Inc(n);
      until (s[n - 1] = '>');

D'après l'unique essai que j'ai fait, ça fonctionne. (Merci de me signaler d'éventuelles erreurs.) Il reste à compléter la liste des propriétés à traiter.

**Roland Chastain** · 15/06/2014, 21h28

J'allais oublier le test de la propriété charset.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
  CloseFile(i);
 
  Write('Test propri'#130't'#130' CHARSET : ');
  WriteLn(Pos('charset=ISO-8859-1', s) > 0);
 
  n := 1;

**e-ric** · 16/06/2014, 18h58

Salut

Petite remarque : est-ce que tu supposes que le fichier html source ne contient aucune d'entité au départ, dans le cas contraire, il faut être prudent avec les caractères & et ;. Si une entité existe, alors une transformation trop basique amènera à un résultat invalide: ...&... ->...&amp&semi;...

@+

**Roland Chastain** · 16/06/2014, 19h19

Envoyé par e-ric

Petite remarque : est-ce que tu supposes que le fichier html source ne contient aucune d'entité au départ, dans le cas contraire, il faut être prudent avec les caractères & et ;.

Bonjour ! Merci pour ta remarque, petite mais importante.

Je vais y penser. A première vue, je ne vois pas de solution à la fois satisfaisante et simple à réaliser.

Une autre supposition que j'ai faite et sur laquelle j'ai un doute, c'est que le nom d'une propriété, le signe = et le premier guillemet sont collés : or je me demande si le langage HTML ne permet pas les espaces autour du signe =. (Maintenant que j'y pense, je m'aperçois que ce problème des espaces se pose un peu partout.)

Il y a d'autres choses encore que j'ai supposées, par exemple que toutes les balises sont fermées. Je crois que pour bien faire, il faudrait commencer par une série de tests préliminaires et, en fonction du résultat, interrompre ou poursuivre l'exécution du programme.

**Alcatîz** · 16/06/2014, 19h51

Envoyé par Roland Chastain

Une autre supposition que j'ai faite et sur laquelle j'ai un doute, c'est que le nom d'une propriété, le signe = et le premier guillemet sont collés : or je me demande si le langage HTML ne permet pas les espaces autour du signe =. (Maintenant que j'y pense, je m'aperçois que ce problème des espaces se pose un peu partout.)

Il y a d'autres choses encore que j'ai supposées, par exemple que toutes les balises sont fermées.

On rencontre les pires écarts par rapport à la norme html ; les navigateurs sont d'ailleurs conçus pour être très permissifs et pour essayer, par exemple, de deviner la fermeture de certaines balises non fermées dans le code ou carrément supposer la présence de balises totalement absentes. Il suffit de scruter le code source de certains sites pour voir leur codage cochonné.

**Roland Chastain** · 16/06/2014, 20h56

Envoyé par Alcatîz

On rencontre les pires écarts par rapport à la norme html ; les navigateurs sont d'ailleurs conçus pour être très permissifs et pour essayer, par exemple, de deviner la fermeture de certaines balises non fermées dans le code ou carrément supposer la présence de balises totalement absentes.

Ce sont effectivement des choses à prendre en compte.

Voici une nouvelle version du programme. On utilise désormais un fichier proprietes.cfg, contenant la liste des propriétés à traiter. De cette façon on peut compléter la liste sans avoir à modifier le code.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
            if FindString(PropertyName(s, n), p) then { Cherche le nom de la propriété dans une collection de chaînes. }
              b := true;

J'ai aussi ajouté une fonction de détection des entités éventuellement présentes dans le fichier source. Honnêtement, je trouve que ma façon de faire sent un peu le bricolage : si vous avez d'autres idées, merci d'en faire part.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
function FindEntity(s: string): boolean;
var
  i, j, k, l: integer;
begin
  result := false;
  i := 0;
  repeat
    i := Pos('&', s);
    if i > 0 then
    begin
      Delete(s, 1, i);
      j := Pos(';', s);
      if j > 0 then
      begin
        l := 0;
        for k := 1 to j - 1 do
          if s[k] in ['a'..'z'] + ['A'..'Z'] then
            Inc(l);
        if l = j - 1 then
          result := true;        
      end;
    end;
  until (i = 0) or result;
end;

Si cette discussion permettait au moins de faire le tour des problèmes à résoudre, ce serait déjà quelque chose.

**e-ric** · 16/06/2014, 21h47

Envoyé par Roland Chastain

Bonjour ! Merci pour ta remarque, petite mais importante.

Je vais y penser. A première vue, je ne vois pas de solution à la fois satisfaisante et simple à réaliser.

Tu parses la chaîne; si tu trouves un '&', tu extrais la chaîne qui va jusqu'au prochain ';' uniquement composée de lettres 'a'..'z' (vérifier la norme), si elle existe, tu recherches la chaîne dans un dictionnaire prévu à cet effet.

over

e-ric

**Roland Chastain** · 17/06/2014, 19h33

Envoyé par e-ric

Tu parses la chaîne; si tu trouves un '&', tu extrais la chaîne qui va jusqu'au prochain ';' uniquement composée de lettres 'a'..'z' (vérifier la norme), si elle existe, tu recherches la chaîne dans un dictionnaire prévu à cet effet.

Fait ! J'ai même inclus la recherche d'entités numériques (hexadécimal et décimal). Je mets à jour la pièce jointe du message précédent.

J'ai fait aussi la première version d'un décodeur (mais cette fois, seules les entités littérales sont traitées).

Attention, ce code ne s'affiche pas correctement !

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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
procedure ReplaceEntities(var s: string);
begin
  s := StringReplace(s, '&excl;', '!', [rfReplaceAll]);
  s := StringReplace(s, '&quot;', '"', [rfReplaceAll]);
  s := StringReplace(s, '&num;', '#', [rfReplaceAll]);
  s := StringReplace(s, '&dollar;', '$', [rfReplaceAll]);
  s := StringReplace(s, '&percnt;', '%', [rfReplaceAll]);
  s := StringReplace(s, '&amp;', '&', [rfReplaceAll]);
  s := StringReplace(s, '&apos;', '''', [rfReplaceAll]);
  s := StringReplace(s, '&lpar;', '(', [rfReplaceAll]);
  s := StringReplace(s, '&rpar;', ')', [rfReplaceAll]);
  s := StringReplace(s, '&ast;', '*', [rfReplaceAll]);
  s := StringReplace(s, '&plus;', '+', [rfReplaceAll]);
  s := StringReplace(s, '&comma;', ',', [rfReplaceAll]);
  s := StringReplace(s, '&period;', '.', [rfReplaceAll]);
  s := StringReplace(s, '&sol;', '/', [rfReplaceAll]);
  s := StringReplace(s, '&colon;', ':', [rfReplaceAll]);
  s := StringReplace(s, '&semi;', ';', [rfReplaceAll]);
  s := StringReplace(s, '&lt;', '<', [rfReplaceAll]);
  s := StringReplace(s, '&equals;', '=', [rfReplaceAll]);
  s := StringReplace(s, '&gt;', '>', [rfReplaceAll]);
  s := StringReplace(s, '&quest;', '?', [rfReplaceAll]);
  s := StringReplace(s, '&commat;', '@', [rfReplaceAll]);
  s := StringReplace(s, '&lsqb;', '[', [rfReplaceAll]);
  s := StringReplace(s, '&bsol;', '\', [rfReplaceAll]);
  s := StringReplace(s, '&rsqb;', ']', [rfReplaceAll]);
  s := StringReplace(s, '&Hat;', '^', [rfReplaceAll]);
  s := StringReplace(s, '&lowbar;', '_', [rfReplaceAll]);
  s := StringReplace(s, '&grave;', '`', [rfReplaceAll]);
  s := StringReplace(s, '&lcub;', '{', [rfReplaceAll]);
  s := StringReplace(s, '&verbar;', '|', [rfReplaceAll]);
  s := StringReplace(s, '&rcub;', '}', [rfReplaceAll]);
  s := StringReplace(s, '&nbsp;', '*', [rfReplaceAll]);
  s := StringReplace(s, '&iexcl;', '¡', [rfReplaceAll]);
  s := StringReplace(s, '&cent;', '¢', [rfReplaceAll]);
  s := StringReplace(s, '&pound;', '£', [rfReplaceAll]);
  s := StringReplace(s, '&curren;', '¤', [rfReplaceAll]);
  s := StringReplace(s, '&yen;', '¥', [rfReplaceAll]);
  s := StringReplace(s, '&brvbar;', '¦', [rfReplaceAll]);
  s := StringReplace(s, '&sect;', '§', [rfReplaceAll]);
  s := StringReplace(s, '&Dot;', '¨', [rfReplaceAll]);
  s := StringReplace(s, '&copy;', '©', [rfReplaceAll]);
  s := StringReplace(s, '&ordf;', 'ª', [rfReplaceAll]);
  s := StringReplace(s, '&laquo;', '«', [rfReplaceAll]);
  s := StringReplace(s, '&not;', '¬', [rfReplaceAll]);
  s := StringReplace(s, '*', '*', [rfReplaceAll]);
  s := StringReplace(s, '&reg;', '®', [rfReplaceAll]);
  s := StringReplace(s, '&macr;', '¯', [rfReplaceAll]);
  s := StringReplace(s, '&deg;', '°', [rfReplaceAll]);
  s := StringReplace(s, '&plusmn;', '±', [rfReplaceAll]);
  s := StringReplace(s, '&sup2;', '²', [rfReplaceAll]);
  s := StringReplace(s, '&sup3;', '³', [rfReplaceAll]);
  s := StringReplace(s, '&acute;', '´', [rfReplaceAll]);
  s := StringReplace(s, '&micro;', 'µ', [rfReplaceAll]);
  s := StringReplace(s, '&para;', '¶', [rfReplaceAll]);
  s := StringReplace(s, '&middot;', '·', [rfReplaceAll]);
  s := StringReplace(s, '&cedil;', '¸', [rfReplaceAll]);
  s := StringReplace(s, '&sup1;', '¹', [rfReplaceAll]);
  s := StringReplace(s, '&ordm;', 'º', [rfReplaceAll]);
  s := StringReplace(s, '&raquo;', '»', [rfReplaceAll]);
  s := StringReplace(s, '&frac14;', '¼', [rfReplaceAll]);
  s := StringReplace(s, '&frac12;', '½', [rfReplaceAll]);
  s := StringReplace(s, '&frac34;', '¾', [rfReplaceAll]);
  s := StringReplace(s, '&iquest;', '¿', [rfReplaceAll]);
  s := StringReplace(s, '&Agrave;', 'À', [rfReplaceAll]);
  s := StringReplace(s, '&Aacute;', 'Á', [rfReplaceAll]);
  s := StringReplace(s, '&Acirc;', 'Â', [rfReplaceAll]);
  s := StringReplace(s, '&Atilde;', 'Ã', [rfReplaceAll]);
  s := StringReplace(s, '&Auml;', 'Ä', [rfReplaceAll]);
  s := StringReplace(s, '&Aring;', 'Å', [rfReplaceAll]);
  s := StringReplace(s, '&AElig;', 'Æ', [rfReplaceAll]);
  s := StringReplace(s, '&Ccedil;', 'Ç', [rfReplaceAll]);
  s := StringReplace(s, '&Egrave;', 'È', [rfReplaceAll]);
  s := StringReplace(s, '&Eacute;', 'É', [rfReplaceAll]);
  s := StringReplace(s, '&Ecirc;', 'Ê', [rfReplaceAll]);
  s := StringReplace(s, '&Euml;', 'Ë', [rfReplaceAll]);
  s := StringReplace(s, '&Igrave;', 'Ì', [rfReplaceAll]);
  s := StringReplace(s, '&Iacute;', 'Í', [rfReplaceAll]);
  s := StringReplace(s, '&Icirc;', 'Î', [rfReplaceAll]);
  s := StringReplace(s, '&Iuml;', 'Ï', [rfReplaceAll]);
  s := StringReplace(s, '&ETH;', 'Ð', [rfReplaceAll]);
  s := StringReplace(s, '&Ntilde;', 'Ñ', [rfReplaceAll]);
  s := StringReplace(s, '&Ograve;', 'Ò', [rfReplaceAll]);
  s := StringReplace(s, '&Oacute;', 'Ó', [rfReplaceAll]);
  s := StringReplace(s, '&Ocirc;', 'Ô', [rfReplaceAll]);
  s := StringReplace(s, '&Otilde;', 'Õ', [rfReplaceAll]);
  s := StringReplace(s, '&Ouml;', 'Ö', [rfReplaceAll]);
  s := StringReplace(s, '&times;', '×', [rfReplaceAll]);
  s := StringReplace(s, '&Oslash;', 'Ø', [rfReplaceAll]);
  s := StringReplace(s, '&Ugrave;', 'Ù', [rfReplaceAll]);
  s := StringReplace(s, '&Uacute;', 'Ú', [rfReplaceAll]);
  s := StringReplace(s, '&Ucirc;', 'Û', [rfReplaceAll]);
  s := StringReplace(s, '&Uuml;', 'Ü', [rfReplaceAll]);
  s := StringReplace(s, '&Yacute;', 'Ý', [rfReplaceAll]);
  s := StringReplace(s, '&THORN;', 'Þ', [rfReplaceAll]);
  s := StringReplace(s, '&szlig;', 'ß', [rfReplaceAll]);
  s := StringReplace(s, '&agrave;', 'à', [rfReplaceAll]);
  s := StringReplace(s, '&aacute;', 'á', [rfReplaceAll]);
  s := StringReplace(s, '&acirc;', 'â', [rfReplaceAll]);
  s := StringReplace(s, '&atilde;', 'ã', [rfReplaceAll]);
  s := StringReplace(s, '&auml;', 'ä', [rfReplaceAll]);
  s := StringReplace(s, '&aring;', 'å', [rfReplaceAll]);
  s := StringReplace(s, '&aelig;', 'æ', [rfReplaceAll]);
  s := StringReplace(s, '&ccedil;', 'ç', [rfReplaceAll]);
  s := StringReplace(s, '&egrave;', 'è', [rfReplaceAll]);
  s := StringReplace(s, '&eacute;', 'é', [rfReplaceAll]);
  s := StringReplace(s, '&ecirc;', 'ê', [rfReplaceAll]);
  s := StringReplace(s, '&euml;', 'ë', [rfReplaceAll]);
  s := StringReplace(s, '&igrave;', 'ì', [rfReplaceAll]);
  s := StringReplace(s, '&iacute;', 'í', [rfReplaceAll]);
  s := StringReplace(s, '&icirc;', 'î', [rfReplaceAll]);
  s := StringReplace(s, '&iuml;', 'ï', [rfReplaceAll]);
  s := StringReplace(s, '&eth;', 'ð', [rfReplaceAll]);
  s := StringReplace(s, '&ntilde;', 'ñ', [rfReplaceAll]);
  s := StringReplace(s, '&ograve;', 'ò', [rfReplaceAll]);
  s := StringReplace(s, '&oacute;', 'ó', [rfReplaceAll]);
  s := StringReplace(s, '&ocirc;', 'ô', [rfReplaceAll]);
  s := StringReplace(s, '&otilde;', 'õ', [rfReplaceAll]);
  s := StringReplace(s, '&ouml;', 'ö', [rfReplaceAll]);
  s := StringReplace(s, '&divide;', '÷', [rfReplaceAll]);
  s := StringReplace(s, '&oslash;', 'ø', [rfReplaceAll]);
  s := StringReplace(s, '&ugrave;', 'ù', [rfReplaceAll]);
  s := StringReplace(s, '&uacute;', 'ú', [rfReplaceAll]);
  s := StringReplace(s, '&ucirc;', 'û', [rfReplaceAll]);
  s := StringReplace(s, '&uuml;', 'ü', [rfReplaceAll]);
  s := StringReplace(s, '&yacute;', 'ý', [rfReplaceAll]);
  s := StringReplace(s, '&thorn;', 'þ', [rfReplaceAll]);
  s := StringReplace(s, '&yuml;', 'ÿ', [rfReplaceAll]);
end;

**Roland Chastain** · 18/06/2014, 12h54

Je me suis demandé ce qui me restait à faire pour que mon programme puisse être vraiment utile à quelqu'un (à moi-même par exemple). Je lui ai fait une petite interface graphique et un mode d'emploi.

Cependant il y a un problème qui n'est pas résolu : c'est le traitement des caractères manquants. Alcatîz a signalé le cas du symbole €. Je viens de penser aussi au caractère œ qui est assez courant et que mon programme ne traite pas pour le moment. Le problème est de savoir comment produire ces caractères dans un fichier-texte (pour fabriquer mon code source) et ensuite comment faire pour que le programme les reconnaisse ?

**Roland Chastain** · 19/06/2014, 13h06

Je crois avoir trouvé une solution, plus simple que ce que j'imaginais.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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
program Project1;
 
{$IFDEF VPASCAL}
{$PMTYPE VIO}
{$ELSE}
{$APPTYPE CONSOLE}
{$ENDIF}
 
{ Delphi XE2, Free Pascal 2.6.4, Virtual Pascal 2.1. }
 
var
  t: text;
  o: string;
  i: string;
  n, e: longint;
 
begin
  o := 'cœur';
 
  Assign(t, '001.txt');
 
  Rewrite(t);
  WriteLn(t, o);
 
  Reset(t);
  ReadLn(t, i);
 
  Close(t);
 
  WriteLn(o = i); // TRUE
 
  // &oelig; &#x00153; œ
 
  WriteLn(o[2] = 'œ'); // TRUE
 
{$IFDEF VPASCAL}
  WriteLn(o[2] = #339); // Error 76: Constant out of range
{$ELSE}
  WriteLn(o[2] = #339); // TRUE
{$ENDIF}
 
  Val('$153', n, e);
  WriteLn((e = 0) and (n = 339)); // TRUE
 
  ReadLn;
end.

Donc, maintenant je vois une façon de fabriquer mon code.

**Roland Chastain** · 19/06/2014, 13h27

Donc, pour fabriquer le code source d'une fonction CharToEntity plus complète, j'ai fait cette modification sur le programme dont je m'étais servi.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
    if (d = 0) and (c >= 33) {and (c <= 255)} then
    begin
      e := Pos(' ', s);
      WriteLn(
        o,
        '''',
 
        //Chr(c), 
        widechar(c),
 
        ''': result := ''',
        Copy(s, 1, e - 1),
        ''';'
      );
    end;

J'ai un tas de caractères qui sont remplacés par des points d'interrogation, mais au beau milieu, je ne sais pas pourquoi, il y a des caractères qui sont bien sortis (voir la première pièce jointe).

Je pense que je vais me contenter d'éliminer les lignes qui ont des points d'interrogations, et garder celles qui restent.

P.-S. J'ajoute en deuxième pièce jointe le fichier final. A partir de la ligne 127, ce sont les lignes qui n'étaient pas dans la version précédente. C'est très empirique tout ça, mais pourquoi pas ?

**Roland Chastain** · 21/06/2014, 12h50

J'ai fait un test grandeur nature : j'ai traité toutes les pages de mon site personnel (encodage et décodage). Je n'ai pas remarqué d'erreur, donc je peux dire que l'outil est relativement opérationnel.

Remplacer les caractères spéciaux d'un document HTML par les entités correspondantes [Free Pascal]

Free Pascal

Discussions similaires

Partager

Partager