Discussion :

[Logan5]

Bonjour,

je bloque sur un script à cause des caractères spéciaux € et ^2.

Mon script aspire une page sur internet et retrouve des couples euro / surface en mètre carré pour effectuer un ratio des deux. Mon problème est que mon script ne fonctionne pas sur tous les sites Internet aspirés.

A force de teste, j'ai fini par comprendre que tous les sites n'écrivait pas € pour € et m2 pour mettre carré. J'ai donc amélioré un bout de mon expression régulière pour donner ceci.

(?:€|€) pour euro et
(?:m2|m²) pour les surface.

Mon script ne fonctionnait pas plus. Du coup, j'ai écris le résultat aspiré directement dans un fichier. J'ai ainsi découvert que certains site Internet utilisait un m≤ à la place de m2 pour les surfaces. En replaçant le m≤ par un m2, mon script fonctionne. J'ai donc pensé qu'un str_replace('m≤', 'm2', $variable); suffirait, mais ce n'est pas le cas.

Maintenant, j'ai ajouté les codes hexadécimal des caractères, mais je ne suis pas plus avancé

(?:€|€|\x20AC)
(?:m\xB2|m2)

Tout est dit ... Je suis donc à court d'idée . Sur certain site mon expression fonctionne, sur d'autres non. Savez-vous comment je pourrais dire à mon expression régulière de reconnaitre ce maudit signe "carré" sous toutes ses formes ainsi que ce maudit signe "euro" sous toutes ses formes ?

Merci d'avance pour votre patience / voir pour votre aide !

[Eric2a]

Salut,

Le souci apparaît lorsque le jeu de caractères utilisé par la page à traiter est différent de celui utilisé dans ton document.

Par exemple, si ta page utilise le charset ISO-8859-1 alors, tu devrais utiliser la fonction suivante :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

setlocale(LC_CTYPE, 'fr_FR.ISO-8859-1');

Et si la page à lire est au format UTF-8, tu devrais utiliser utf8_decode qui convertit une chaîne UTF-8 en ISO-8859-1.

À l'inverse, si ta page utilise le charset UTF-8 alors, tu devrais utiliser la fonction suivante :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

setlocale(LC_CTYPE, 'fr_FR.UTF8');

Et si la page à lire est au format ISO-8859-1, tu devrais utiliser utf8_encode qui convertit une chaîne ISO-8859-1 en UTF-8

À voir aussi les Fonctions sur les chaînes de caractères multi-octets pour détecter le charset utilisé, convertir, etc...

[Logan5]

Merci Eric2a,


mon script fonctionne enfin. Je me sers de

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

mb_detect_encoding($str, "auto")!=="UTF-8")

pour vérifier que ma chaine est bien en utf8 sinon avec

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$str = mb_convert_encoding($str, "UTF-8", "auto");

je la convertis