Discussion :

[olibara]

Bonjour

Je suis confronté au probleme suivant en csharp

1- Je dispose d'une liste de string
2- Comme toute bonne liste de string, on a ecrit comme on peut

j'écris comme je veux
J'ecris comme je VEUX
JECRIS come je veux
j ecris-comme-je.veux !!!!!

Pour moi, tous ces string on la meme valeur
Je vais donc ecrire une petite fonction StringToKey

Exemple

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
public StringToKey("j   écris-Comme-je.veux !!!!!")
{
 
   return "JECRISCOMEJEVEUX";
}

En C, je maitrise bien la maniere la plus efficace de faire
Mais pour ne pas traduire betement du C en Csharp quelle serait la maniere la plus efficace en Csharp

Suggestion

Step 1- ToUpper
Step 2- ToCharArray
Step 3- Parcourir CharArray pour recuperer les Ascii et eliminer les double

Est la meilleure methode ?

Merci pour vos suggestions

[StormimOn]

Une manière de procéder, maintenant je ne pense pas que ce soit la plus efficace (ma façon de faire pour supprimer les accents peut être vue comme consommatrice en temps suivant les impératifs je suppose) mais ça peut largement suffire ^^

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
string s = "j   écris-Comme-je.veux !!!!!";
// On supprime les caractères non alphanumérique
s = Regex.Replace(s, @"\W", string.Empty);
// On supprime les accents
s = RemoveDiacritics(s);
// On normalise le format de la chaîne en forçant la mise en majuscule
s = s.ToUpper();

RemoveDiacritics étant une méthode permettant de supprimer les accents présents dans une chaîne de caractères

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
public String RemoveDiacritics(String s)
{
    String normalizedString = s.Normalize(NormalizationForm.FormD);
    StringBuilder stringBuilder = new StringBuilder();
 
    for (int i = 0; i < normalizedString.Length; i++)
    {
        Char c = normalizedString[i];
        if (CharUnicodeInfo.GetUnicodeCategory(c) != UnicodeCategory.NonSpacingMark)
            stringBuilder.Append(c);
    }
 
    return stringBuilder.ToString();
}

Une version simplifiée, si cela suffit pour les besoins (pour la langue française ce doit être le cas normalement), et plus rapide pourrait être

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
public static String RemoveDiacritics(String s)
{
    byte[] tab = System.Text.Encoding.GetEncoding(1251).GetBytes(s);
    return System.Text.Encoding.ASCII.GetString(tab);
}

Niveau performance je ne pense pas que l'expression régulière pose problème. Au pire il y a toujours moyen de la remplacer par

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
StringBuilder b = new StringBuilder();
foreach (char c in s)
{
    if (char.IsLetterOrDigit(c))
    {
        b.Append(c);
    }
}

mais j'ai un doute sur la différence en terme de performance.

[olibara]

Merci Stormimon

Effectivement ta methode a l'avantage de la lisibilité mais au détriment de la performance sans doute

Mon idées du ToChararray est sans doute inutile car on peut directement utiliser l'indice dans la string pour recuperer le char

J'aime bien le principe d'un seul parcours qui teste la validité et gere la transformation du caractere
C'est ce que tu fais dans RemoveDiacritics

Je dois voir a quoi sert

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

s.Normalize(NormalizationForm.FormD);

Dans un autre post tu avais évoqué l'usage d'un tableau (c'est ce que je fais en C : je prepare un tableau de traduction sur 256 caractere qu'on peut indicer directement, ca permet entre autre si nécesaire de transformer un 0 en 'O' et de placer des codes spéciaux pour les caracteres vides ou séparateurs, mais avec de l'unicode, c'est moins évident

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
string str = "àâäéèêëîïôöùûü";
byte[] tab = System.Text.Encoding.GetEncoding(1251).GetBytes(str);
string result = System.Text.Encoding.ASCII.GetString(tab);

Je vais sans doute faire simple dans un premier temps en utilisant la methode
Que tu propose, on, ameliorera si nécessaire !

[StormimOn]

Si les performances jouent le seul moyen de savoir c'est de tester les différentes façon de procéder en conditions réelles et voir ce que ça donne. Mais la version simplifiée pour supprimer les accents est évidemment plus rapide.

Sur mon PC, ça me prend 5-7ms pour traiter la chaîne complètement (suppression des caractères inutiles, des accents et mise en majuscule) et 1-2ms avec la version simplifiée de la suppression d'accents. Mais cette différence n'est pas forcément importante en condition réelle et en fonction de tes besoins.

En tout cas, une fois résolu n'oublie pas le "clic bouton"

[olibara]

Salut

La différence est de taille !

Imagine que je doive traiter les 40.000 noms de communes Française
Cela ferait +/- 1 minutes avec le methode "rapide"
7 minutes avec la methode "moderne"

Je peux t'assurer qu'en C je fais cela en moins de 5 secondes, lecture du fichier comprise

Methode :

J'alloue un tableau Tbl de 256 caractere
Je set l'ensemble '\0'

Je prepare les traducteur

Tbl['a']='A';
Tbl['é']='E';


Je prepare les spliteurs

Tbl[',']=9;
Tbl['|']=9;

Etc

Ensuite je construit ma chaine en passant par la table de traduction
Ca arrache !!

Bien entendu, ma table est construite avant le traitement en boucle