Discussion :

[yule]

Bonjour,

J'essaye de nettoyer une chaîne, tout ce qui à moins de deux caractère out... par contre et je sais pas pourquoi, il ne tient pas compte de tous les mots de moins de deux caractères comme des à, â où, etc...
Par contre, je ne souhaite pas qu'un mot du genre âgé se voit amputé du â

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
$keywordsy = "à la gare de düsseldorf en allemagne, c'est pas là !";
 
// Nettoyer la chaine
while(preg_match("# ([[:alnum:]]{1,2}) #", $keywordsy))
$keywordsy =  preg_replace("#( [[:alnum:]]{1,2} )#iu", " ", $keywordsy);
 
echo $keywordsy;

Il m'affiche ceci : à gare düsseldorf allemagne, c'est pas !

Alors que j'aimerais ceci : gare düsseldorf allemagne, est pas !

Pourquoi le à n'est pas supprimé et ni le c' ?

Comment corriger pour y arriver ?

D'avance merci
Yule

[badaze]

Essaie ça. C'est sûrement optimisable (je ne suis pas un Dieu en regexp)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
 
<?php
$keywordsy = "à la gare de düsseldorf en allemagne, c'est pas là dell'aquila. Tu l'as dit bouffi ! Oui je l'avais dit";
print "$keywordsy<br/>";
$caractères  = "[a-z0-9àáâãäåçèéêëìíîïðòóôõöùúûüýÿA-ZÀÁÂÃÄÅÇÈÉÊËÌÍÎÏÐÒÓÔÕÖÙÚÛÜÝŸ]";
$caractères2 = "[a-z0-9àáâãäåçèéêëìíîïðòóôõöùúûüýÿA-ZÀÁÂÃÄÅÇÈÉÊËÌÍÎÏÐÒÓÔÕÖÙÚÛÜÝŸ\s]";
//======  Suppression des mots : pas précédé par un caractère suivi de 1 ou 2 caractères pas suivi par un caractère
$keywordsy   =  preg_replace("#(?<!$caractères)($caractères{1,2})(?!$caractères)#ium", " ", $keywordsy);
//======  Suppression des apostrophes : pas précédé par un caractère suivi d'une apostrohe suivie par un caractère2
$keywordsy   =  preg_replace("#(?<!$caractères)(\')(?=$caractères2)#ium", " ", $keywordsy);
echo $keywordsy;

[badaze]

Attention le code dans Visualiser dans une fenêtre à part n'est pas le même que celui dans le fil.


Visualiser dans une fenêtre à part :




Code dans la discussion :

[Invité]

Bonjour,

Tu confonds nombre de caractères et nombre d'octets (nécessaires par caractère).
En l'occurrence, les caractères accentués sont sur plusieurs octets.

Il faut utiliser les Fonctions sur les chaînes de caractères multi-octets

[badaze]

A qui réponds-tu ? Si c'est à moi, je voulais seulement indiquer une différence dans le rendu du code.

Pour ce qui est des caractères accentués, le code que j'ai posté fonctionne bien avec.

à la gare de düsseldorf en allemagne, c'est pas là dell'aquila. Tu l'as dit bouffi ! Oui je l'avais dit âgé ÙÚ ÙÚÙ

donne

gare düsseldorf allemagne, est pas dell'aquila. dit bouffi ! Oui avais dit âgé ÙÚÙ

[Invité]

Je répondais et expliquais le pourquoi de ça :

Pourquoi le à n'est pas supprimé ?

Tant à ton code (pas testé), il ne prend pas en compte TOUS les caractères multi-octets (cyrilliques, asiatiques,...).

Les fonctions dont je parle, si.

[CosmoKnacki]

Le "à" n'est pas supprimé parce qu'il est début de chaîne et qu'il n'y a pas d'espace avant donc la pattern échoue. Quand bien même il y aurait un espace avant ce "à", ça ne résoudrait rien car dans ce cas se serait le "la" qui serait zappé (vu que l'espace précédent aurait déjà été consommé).

Pour ce qui est du fait que les caractères accentués sont codés (en UTF-8) sur plusieurs octets, ce n'est pas un problème dés lors qu'on utilise le modificateur u, car dans ce cas le moteur de regex lit bien la chaîne sujet et la pattern en UTF-8 comme des successions de caractères éventuellement sur plusieurs octets; avec ce modificateur, il n'a plus son comportement par défaut (un octet = un caractère) et son unité devient le point unicode.

À ce stade, on pourrait écrire une de ces lignes équivalentes:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
$str = preg_replace('~(?<![[:alnum:]])[[:alnum:]]{1,2}(?![[:alnum:]])~u', '', $str);
$str = preg_replace('~(?<!\p{Xan})\p{Xan}{1,2}(?!\p{Xan})~u', '', $str);

Ce qui fonctionnera dans 95% des cas, il ne reste plus qu'a supprimer les espaces consécutifs si nécessaire.

Mais il reste bien 5% tapi dans les buissons et qui attend son heure: Le caractère combinant.
Une lettre accentuée peut être formée de deux manières avec unicode. Par exemple un À peut être soit le point unicode U+00C0 (LATIN CAPITAL LETTER A WITH GRAVE), soit la combinaison des points unicode U+0041 (LATIN CAPITAL LETTER A) et U+0300 (COMBINING GRAVE ACCENT). Et si je fait un petit test:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
var_dump(preg_match('~^\p{Xan}$~u', "\xC3\x80")); // U+00C0 (LATIN CAPITAL LETTER A WITH GRAVE)
// int(1)
var_dump(preg_match('~^\p{Xan}$~u', "\x41\xCC\x80")); // U+0041 (LATIN CAPITAL LETTER A) + U+0300 (COMBINING GRAVE ACCENT)
// int(0)

on voit bien que la version combinée échoue.

La classe de caractère unicode M (Mark) contient les caractères combinant. Donc pour représenter une lettre accentuée ou pas, il faudrait écrire: \pL\pM*. Ce qui change la pattern en:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$str = preg_replace('~(?<![\p{Xan}\pM])(?>\pL\pM*|\d){1,2}(?![\p{Xan}\pM])~u', '', $str);

[CosmoKnacki]

Écrire:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
while ( preg_match($pattern, $str) ) { 
    $str = preg_replace($pattern, $replacement, $str);
}

c'est le mal à l'état pur.

Si on a besoin de faire plusieurs passes pour une même pattern, au lieu de la tester 2 fois à chaque tour de boucle, il faut plutôt utiliser le 5e paramètre de preg_replace qui comptabilise le nombre de remplacements effectués en faisant:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
do {
    $str = preg_replace($pattern, $replacement, $str, -1, $count);
} while ($count);

Mais pour la pattern précédente, c'est inutile, une seule passe suffit.

[yule]

Hello,

Merci à vous tous pour votre aide.

J'ai essayé en live et c'est pas terrible.., je dois mal adapter vos solutions.


Voilà la fonction que j'utilise (surligner les mots trouvés et afficher le texte (ou le mot clef se trouve par tranche de 70 caractères), pour le coup, pas de surlignage et mon texte sorte n'importe comment)

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
<?php
		$keywordsy ="la mort en directe fascine les gens à":
 
		function get_snippet($keywordsy, $texte) {
		$snippet='';
		$span = 70;
		$strlen_max = 400;
 
		$keywordsy = preg_replace("#(?<![\p{Xan}\pM])(?>\pL\pM*|\d){1,2}(?![\p{Xan}\pM])#U", " ", " ".$keywordsy." ");
 
		$words = join('|', explode(' ', preg_quote($keywordsy)));
 
		preg_match_all("#(\W.{0,$span}\W)($words)(\W.{0,$span}\W)#iu", "  $texte  ", $matches);
 
		foreach($matches[0] as $match) {
		if (!$match = trim($match)) continue;
		if (isset($snippet)) $snippet .= "$match..."; else $snippet = "...$match...";
		if (strlen($snippet.htmlspecialchars($match[0], 'UTF-8')."... ") > $strlen_max) break;
		}
		$snippet = preg_replace("#($words)#iu", '<b>$1</b>', $snippet);
		return $snippet;
  		}
 
		?>

20 minutes - vous allez en parler de fr it index de a à z actualitésvaudgenèveromandiesuissemondefaits diversinsolitescience et natureeconomienewsboursepostfinance newspromo
sportsfootballhockeytenniscyclismeauto & motosports d'hiverautres sportspeoplel'actu des starsnews tvdossiershi-techactualitésvidéosgamezonelifestyletendancesautohoroscope ..

Avec mon ancienne fonction (pas optimale pour un rond) que j'aimerais changer..

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
<?php
		$keywordsy ="la mort en directe fascine les gens à":
 
		function get_snippet($keywordsy, $texte) {
		$snippet='';
		$span = 70;
		$strlen_max = 400;
 
		$keywordsy =  trim(preg_replace("#( [[:alnum:]]{1,2} )#Ui", " ", " ".$keywordsy." ")); // ajout d'un espace avant et 
 
		// supprimer ceux à deux  
		$keywordsy = str_replace(' un ',' ',$keywordsy);
		$keywordsy = str_replace(' une ',' ',$keywordsy);
	        $keywordsy = str_replace(' dans ',' ',$keywordsy);
		$keywordsy = str_replace(' le ',' ',$keywordsy);
	        $keywordsy = str_replace(' de ',' ',$keywordsy);
	        $keywordsy = str_replace(' des ',' ',$keywordsy);
		$keywordsy = str_replace(' les ',' ',$keywordsy);
	        $keywordsy = str_replace(' ses ',' ',$keywordsy);
		$keywordsy = str_replace(' se ',' ',$keywordsy);
		// etc........
		$keywordsy = trim($keywordsy);
 
		$words = join('|', explode(' ', preg_quote($keywordsy)));
 
		preg_match_all("#(\W.{0,$span}\W)($words)(\W.{0,$span}\W)#iu", "  $texte  ", $matches);
 
		foreach($matches[0] as $match) {
		if (!$match = trim($match)) continue;
		if (isset($snippet)) $snippet .= "$match..."; else $snippet = "...$match...";
		if (strlen($snippet.htmlspecialchars($match[0], 'UTF-8')."... ") > $strlen_max) break;
		}
		$snippet = preg_replace("#($words)#iu", '<b>$1</b>', $snippet);
		return $snippet;
  		}
		?>

J'ai ce résultat avec une mise en forme du texte affichée correct (par contre j'aurais le à surligné..

20 minutes card genève paie de 1750 fr. par mois pour la secrétaire à 100% jérôme faas - l’annonce pour ce cdi est apparue sur le site jobup....de sa propre fille en la trollant une adolescente de miami a mis fin à ses jours en direct sur facebook, encouragée par des internautes qui l'.... parmi eux, la propre mère de la victime. réseaux sociaux: la mort en direct fascine les gens la vidéo de sa mort fait le buzz, la police est...

D'avance merci de me dire ce que je fais de faux..
Bonne bonne
Yule

[badaze]

Tu dois faire quoi au juste ?

[yule]

Hello,

Une fonction qui me permet d'afficher 70 caractères dès un ou plusieurs mots clés trouvé dans un texte de plus de 1000 caractères.

Et pour éviter d'avoir des phrases de 70 caractères qu'avec des et ou des est ou de etc... surligné j'aimerais supprimer tous les mots de moins de 3 caractères afin d'avoir en surlignage que des termes d'au moins 4 caractères

Par l'exemple...

disons que je cherche : un diamant exceptionnel trouvé par un pasteur

C'est mieux d'avoir ce résultat dans ma recherche

avec les stéréotypes dominants et qui ont accompli quelque chose d’exceptionnel.12 000 autres bourses d’études, pour que chacun ait sa chance : http://...

Que celui-ci

de cap pour trouver le bon chemin avec une subvention complète pour un cours de langue de 4 semaines à san diego aux États-unis : http://www.... ! », des étudiants peuvent s’envoler vers les États-unis ou vers un pays européen pour y suivre des cours de langue – le vol, l’...avec les stéréotypes dominants et qui ont accompli quelque chose d’exceptionnel.12 000 autres bourses d’études, pour que chacun ait sa chance :

Je sais plus si je l'ai dit, c'est pour un moteur de recherche (voir signature)

[yule]

re,

C'est tout bon , j'ai enfin trouvé une solution de contournement de mon expression (https://regex101.com/r/yP0hI0/1) pour supprimer tous les mots de 3 caractères à moins....

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
function RemoveLess($String,$Char=3) 
		{
			$StringArray=explode (" ",$String);
				foreach ($StringArray as &$Word) 
				{
					if (mb_strlen($Word,"UTF-8")>$Char)
					{ 
						$Str.=$Word." ";
					}
				}
			return trim($Str);
		}