Convertir les caractères accentués
Pour rendre toutes les langages compatibles entres elles, les textes sont encodés en général en UTF-8. Ainsi, quelques soit la langue de l'internaute, le navigateur internet est capable d'afficher le contenu de la page web sans y caractères bizarres.Dans le cas de la réécriture d'url ou du passage de mot en minuscule à des mots en majuscule, il est plus simple de revenu à un encodage Ascii de 128 caractères. La class ci-dessous regroupe les fonctions pour s'affranchir des accents et préparer les mots écrits en français pour une insertion dans une base de donnée ou faire des stat.
<?php
/**
* Enlever les accents dans une chaine de caractères
* http://www.fobec.com/php5/1170/supprimer-accents-une-chaine-caracteres.html
* @author Fobec juin 2015
*/
class RemoveAccents {
/**
* Methode 1 utilisant la conversion de l'encodage HTML
* @param type $initial
* @return type
*/
static public function callHTMLEntities($initial) {
$s = htmlentities($initial);
$s = preg_replace("/&(.)(acute|cedil|circ|ring|tilde|uml|grave);/", "$1", $s);
$s = preg_replace('#&([A-za-z]{2})(?:lig);#', '1', $s); // pour les ligatures e.g. 'œ'
return $s;
}
/**
* Methode 2 avec une table de remplacement
* @param type $initial
* @return type
*/
static public function callReplaceTable($initial) {
$TB_CONVERT = array(
'Š' => 'S', 'š' => 's', 'Ð' => 'Dj', 'Ž' => 'Z', 'ž' => 'z', 'À' => 'A', 'Á' => 'A', 'Â' => 'A', 'Ã' => 'A', 'Ä' => 'A',
'Å' => 'A', 'Æ' => 'A', 'Ç' => 'C', 'È' => 'E', 'É' => 'E', 'Ê' => 'E', 'Ë' => 'E', 'Ì' => 'I', 'Í' => 'I', 'Î' => 'I',
'Ï' => 'I', 'Ñ' => 'N', 'Ò' => 'O', 'Ó' => 'O', 'Ô' => 'O', 'Õ' => 'O', 'Ö' => 'O', 'Ø' => 'O', 'Ù' => 'U', 'Ú' => 'U',
'Û' => 'U', 'Ü' => 'U', 'Ý' => 'Y', 'Þ' => 'B', 'ß' => 'Ss', 'à' => 'a', 'á' => 'a', 'â' => 'a', 'ã' => 'a', 'ä' => 'a',
'å' => 'a', 'æ' => 'a', 'ç' => 'c', 'è' => 'e', 'é' => 'e', 'ê' => 'e', 'ë' => 'e', 'ì' => 'i', 'í' => 'i', 'î' => 'i',
'ï' => 'i', 'ð' => 'o', 'ñ' => 'n', 'ò' => 'o', 'ó' => 'o', 'ô' => 'o', 'õ' => 'o', 'ö' => 'o', 'ø' => 'o', 'ù' => 'u',
'ú' => 'u', 'û' => 'u', 'ü'=>'u','ý' => 'y', 'ý' => 'y', 'þ' => 'b', 'ÿ' => 'y', 'ƒ' => 'f', 'œ' => 'oe'
);
$s = strtr($initial, $TB_CONVERT);
return $s;
}
/**
* Supprimer les caractères qui ne sont pas alphanumérique
* @param type $initial
*/
static public function clean($initial) {
$text = preg_replace('/W+/', '-', $initial);
return $text;
}
/**
* Vérifier la conversion à partir d'un mot comportant un accent
* @param type $initial
* @param type $rewrite
* @return boolean
*/
static public function checkConversion($initial, $rewrite) {
//Longueur du mot avant conversion
$len_initial = strlen(utf8_decode($initial));
//Longueur du mot après conversion
$len_rewrite = strlen(utf8_decode($rewrite));
//cas particulier pour 'oe' exemple dans coeur
if (strpos($initial, 'œ') !== false) {
$len_initial++;
}
//test de la longueur identique
if ($len_initial != $len_rewrite) {
return false;
}
//test de la présence de caractères interdits
if (!preg_match('/^[A-Za-z0-9-\s\'.]+$/', $rewrite)) {
return false;
}
return true;
}
}
?>
Remplacer les accents dans une liste de mots
La class RemoveAccents() comporte les fonctions pour retirer les accents d'un mot écrit en français. Elle contient également une fonction de test pour savoir si la conversion s'est correctement effectuée checkConversion(). En théorie, le remplacement des accents ne doit pas modifier le nombre de caractères du mot et aucun caractère bizarre ne devrait subsister.
<?php
header('Content-Type: text/html; charset=utf-8');
$f = file_get_contents('./mots-francais.dat');
$n = explode("\n", $f);
foreach ($n as $mot) {
$mot_ascii= RemoveAccents::callReplaceTable($mot_accent);
if (RemoveAccents::checkConversion($mot_accent, $mot_ascii) != true) {
echo '<br>Echec de conversion sur ' . $mot_ascii . ' ' . $mot_accent;
}
}
?>
L'article fait suite à une recherche sur internet concernant la conversion de mot accentué vers un mot sans accent. Le but est de comparer 20 000 mots français pour lequel je retire un à un les accents pour les passer ensuite en lettre majuscule.
