Discussion :

[rcageot]

la b*ise !
en gros il faut que tu arrive à chopper quel encodage a été utilisé lors de l'injection (copier coller) et ensuite que tu re-encodes tout ça avant de le stoquer dans ta base !

au pire tu mets des cases à cocher ou des radio boutons en face de ta zone texte en demandant aux utilisateurs d'ou provient leur texte

je compatis mais j'ai pas vraiment de solution

[Arioch]

la b*ise !

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
$solution = 'la b*ise';
$solution =~ s/\*/a/;

Le soucis, c'est que les titres pollués sont déjà dans la base et que je n'ai pas moyen de repérer la pollution avant que les titres soient intégrés dans la bdd !

Il y a tellement de personnes qui usent et abusent du copié-collé à partir de ce satané Word que je ne me vois pas les toper toutes et leur expliquer ce que ça fait.

Et puis, lorsque la personne qui saisit passe par l'interface web, j'aurais beau lui dire que certains caractères issus d'un texte sous Word changent, elle ne verra rien à l'écran et pour elle, tout sera normal.

Le pire, c'est que mon convertisseur utilise une bête regexp pour changer les points en apostrophes (là où c'est nécessaire bien sûr). Mais il n'est pas assez poussé

[Arioch]

Voici un bout de code pour corriger les erreurs rencontrées sur des phrases ou titres en français, anglais et allemand.

Si vous voyez un moyen de faire mieux et surtout plus correct, n'hésitez pas, merci

Erreurs les plus fréquemment rencontrées :

- . à la place de oe pour des termes comme oeuvre, oeuf, coeur (le caractère œ est devenu un .)

- «(suivi d'un espace) à la place de "

- »(précédé d'un espace) à la place de "

- — (tiret quadratin) à la place de -

- … (3 points de suspension automatiques de Word) à la place de ...

- . à la place de ' pour presque tous les mots contenant des apostrophes.

Voici donc en gros les problèmes de caractères erronés que j'ai constaté majoritairement dans nos titres pollués.

Voici partiellement mon code qui scanne $_ (une phrase ou un titre) et qui y applique quelques modifs :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 
s/c\.ur/coeur/g;
s/\.uf/oeuf/g;
s/\.uvre/oeuvre/g;
s/« /"/g;
s/ »/"/g;
s/œ/oe/g;
s/-/-/g;	# tiret quadratin
s/-/-/g;	# tiret demi-quadratin
s/…/.../g;	# 3 pts de suspension de Word
 
while(/.+\.[aeiouyhAEIOUYHàâäéèêëîïôöûüù]+/)
{
    s/(.+)\.([aeiouyhAEIOUYHàâäéèêëîïôöûüù]+)/$1'$2/;
}

A noter que ce script ne marche plus pour l'instant, besoin de m'y pencher plus avant mais on m'a collé sur un développement urgent à côté

Les caractères spéciaux de Word que j'ai intégré dans mon script (tous ne sont pas clairement visibles dans mon topic) l'ont été avec SciTE parce que TextPad était incapable de les interprêter correctement.

Je désespère !

[rcageot]

toujours pas de solution à ton problème mais je compatis toujours donc
sur ce lien tu trouveras la liste des caractères pouvant poser des problèmes

http://www.cs.tut.fi/~jkorpela/www/windows-chars.html

mais bon à partir du moment ou tu me dis que tes codages de caractères sont substitués en base par le caractère "." et que tu n'as pas accès au code pour mettre en place un test avant l'enregistrement en base je ne vois que ta solution.
peut être si la liste devient longue, peux tu créer un dico de substution !

[Arioch]

Merci pour ce lien très interressant

Comme tu dis, je suis bon pour bosser un code qui répare le mal déjà fait