Tester ceci n'est pas très difficile. Par exemple (code non testé) :
$A = "[x01-x7f]"; // ASCII 7 bits (sauf nul) -- 1 octet $C = "[x80-xbf]"; // 10xxxxxx = octet de continuation $B2 = "[xc0-xdf]"; // 110xxxxx = début de séquence à 2 octets $B3 = "[xe0-xef]"; // 1110xxxx = début de séquence à 3 octets $B4 = "[xf0-xf7]"; // 11110xxx = début de séquence à 4 octets $re = "/^($A|$B2$C|$B3$C{2}|$B4$C{3})*$/";
if (preg_match($re, $chaine)) { // Syntaxe de base UTF-8 validée. // Pour une validation complète il faudrait rajouter certaines // contraintes, mais ce n'est peut-être pas indispensable. } else { // Cette chaîne n'est pas en UTF-8. }
Cordialement, -- Olivier Miakinen
Bonjour,
Le 08/07/2010 14:39, Etienne a écrit :
J'encode des charset dans tout les sens, et il arrive des cas très rare,
ou j'ai une chaine considérée comme UTF-8 alors qu'elle ne l'est pas.
Tester ceci n'est pas très difficile. Par exemple (code non testé) :
$A = "[x01-x7f]"; // ASCII 7 bits (sauf nul) -- 1 octet
$C = "[x80-xbf]"; // 10xxxxxx = octet de continuation
$B2 = "[xc0-xdf]"; // 110xxxxx = début de séquence à 2 octets
$B3 = "[xe0-xef]"; // 1110xxxx = début de séquence à 3 octets
$B4 = "[xf0-xf7]"; // 11110xxx = début de séquence à 4 octets
$re = "/^($A|$B2$C|$B3$C{2}|$B4$C{3})*$/";
if (preg_match($re, $chaine)) {
// Syntaxe de base UTF-8 validée.
// Pour une validation complète il faudrait rajouter certaines
// contraintes, mais ce n'est peut-être pas indispensable.
} else {
// Cette chaîne n'est pas en UTF-8.
}
Tester ceci n'est pas très difficile. Par exemple (code non testé) :
$A = "[x01-x7f]"; // ASCII 7 bits (sauf nul) -- 1 octet $C = "[x80-xbf]"; // 10xxxxxx = octet de continuation $B2 = "[xc0-xdf]"; // 110xxxxx = début de séquence à 2 octets $B3 = "[xe0-xef]"; // 1110xxxx = début de séquence à 3 octets $B4 = "[xf0-xf7]"; // 11110xxx = début de séquence à 4 octets $re = "/^($A|$B2$C|$B3$C{2}|$B4$C{3})*$/";
if (preg_match($re, $chaine)) { // Syntaxe de base UTF-8 validée. // Pour une validation complète il faudrait rajouter certaines // contraintes, mais ce n'est peut-être pas indispensable. } else { // Cette chaîne n'est pas en UTF-8. }
Tester ceci n'est pas très difficile. Par exemple (code non testé) :
$A = "[x01-x7f]"; // ASCII 7 bits (sauf nul) -- 1 octet $C = "[x80-xbf]"; // 10xxxxxx = octet de continuation $B2 = "[xc0-xdf]"; // 110xxxxx = début de séquence à 2 octets $B3 = "[xe0-xef]"; // 1110xxxx = début de séquence à 3 octets $B4 = "[xf0-xf7]"; // 11110xxx = début de séquence à 4 octets $re = "/^($A|$B2$C|$B3$C{2}|$B4$C{3})*$/";
if (preg_match($re, $chaine)) { // Syntaxe de base UTF-8 validée. // Pour une validation complète il faudrait rajouter certaines // contraintes, mais ce n'est peut-être pas indispensable. } else { // Cette chaîne n'est pas en UTF-8. }
Cordialement,
Merci. je vais essayer... j'espère que cela va solutionner mon problème... ca serait top :)
Tester ceci n'est pas très difficile. Par exemple (code non testé) :
$A = "[x01-x7f]"; // ASCII 7 bits (sauf nul) -- 1 octet
$C = "[x80-xbf]"; // 10xxxxxx = octet de continuation
$B2 = "[xc0-xdf]"; // 110xxxxx = début de séquence à 2 octets
$B3 = "[xe0-xef]"; // 1110xxxx = début de séquence à 3 octets
$B4 = "[xf0-xf7]"; // 11110xxx = début de séquence à 4 octets
$re = "/^($A|$B2$C|$B3$C{2}|$B4$C{3})*$/";
if (preg_match($re, $chaine)) {
// Syntaxe de base UTF-8 validée.
// Pour une validation complète il faudrait rajouter certaines
// contraintes, mais ce n'est peut-être pas indispensable.
} else {
// Cette chaîne n'est pas en UTF-8.
}
Cordialement,
Merci.
je vais essayer...
j'espère que cela va solutionner mon problème...
ca serait top :)
Tester ceci n'est pas très difficile. Par exemple (code non testé) :
$A = "[x01-x7f]"; // ASCII 7 bits (sauf nul) -- 1 octet $C = "[x80-xbf]"; // 10xxxxxx = octet de continuation $B2 = "[xc0-xdf]"; // 110xxxxx = début de séquence à 2 octets $B3 = "[xe0-xef]"; // 1110xxxx = début de séquence à 3 octets $B4 = "[xf0-xf7]"; // 11110xxx = début de séquence à 4 octets $re = "/^($A|$B2$C|$B3$C{2}|$B4$C{3})*$/";
if (preg_match($re, $chaine)) { // Syntaxe de base UTF-8 validée. // Pour une validation complète il faudrait rajouter certaines // contraintes, mais ce n'est peut-être pas indispensable. } else { // Cette chaîne n'est pas en UTF-8. }
Cordialement,
Merci. je vais essayer... j'espère que cela va solutionner mon problème... ca serait top :)
Merci encore Etienne
Olivier Miakinen
Le 08/07/2010 17:25, Etienne a écrit :
[citation intégrale]
Je ne sais pas si tu le sais, mais les règles de citation en vigueur sur toute la hiérarchie le sont d'autant plus dans le forums modérés. Quelques lignes de plus, et ton article était refusé pour citation excessive.
Voir <http://www.usenet-fr.net/fur/usenet/repondre-sur-usenet.html>, en particulier les paragraphes 3a et 3b.
Merci. je vais essayer... j'espère que cela va solutionner mon problème... ca serait top :)
J'ai vérifié, cela correspond aux seuls encodages UTF-8 permis des caractères 09 (tabulation), 0A (saut de ligne), 0D (retour chariot), 20 à 7E (ASCII imprimable), 80 à D7FF et E000 à 10FFFF (c'est-à-dire tout le reste sauf les surrogates D800 à DFFF). Il me semble qu'ils auraient pu exclure aussi les commandes C1, soit 80 à 9F, mais bon, ce n'est pas très gênant. Idem pour les non-caractères du style FFFE et FFFF.
if (preg_match($re, $chaine)) { // Syntaxe UTF-8 validée, sans encodage // « overlong » ni « surrogates » : // U+0009, U+000A, U+000D, U+0020 .. U+007E, // U+0080 .. U+D7FF, U+E000 .. U+10FFFF. } else { // Cette chaîne n'est pas en UTF-8. } ================================================================ Cordialement, -- Olivier Miakinen
Le 08/07/2010 17:25, Etienne a écrit :
[citation intégrale]
Je ne sais pas si tu le sais, mais les règles de citation en vigueur sur
toute la hiérarchie le sont d'autant plus dans le forums modérés.
Quelques lignes de plus, et ton article était refusé pour citation
excessive.
Voir <http://www.usenet-fr.net/fur/usenet/repondre-sur-usenet.html>, en
particulier les paragraphes 3a et 3b.
Merci.
je vais essayer...
j'espère que cela va solutionner mon problème...
ca serait top :)
J'ai vérifié, cela correspond aux seuls encodages UTF-8 permis des
caractères 09 (tabulation), 0A (saut de ligne), 0D (retour chariot),
20 à 7E (ASCII imprimable), 80 à D7FF et E000 à 10FFFF (c'est-à-dire
tout le reste sauf les surrogates D800 à DFFF). Il me semble qu'ils
auraient pu exclure aussi les commandes C1, soit 80 à 9F, mais bon,
ce n'est pas très gênant. Idem pour les non-caractères du style FFFE
et FFFF.
Je ne sais pas si tu le sais, mais les règles de citation en vigueur sur toute la hiérarchie le sont d'autant plus dans le forums modérés. Quelques lignes de plus, et ton article était refusé pour citation excessive.
Voir <http://www.usenet-fr.net/fur/usenet/repondre-sur-usenet.html>, en particulier les paragraphes 3a et 3b.
Merci. je vais essayer... j'espère que cela va solutionner mon problème... ca serait top :)
J'ai vérifié, cela correspond aux seuls encodages UTF-8 permis des caractères 09 (tabulation), 0A (saut de ligne), 0D (retour chariot), 20 à 7E (ASCII imprimable), 80 à D7FF et E000 à 10FFFF (c'est-à-dire tout le reste sauf les surrogates D800 à DFFF). Il me semble qu'ils auraient pu exclure aussi les commandes C1, soit 80 à 9F, mais bon, ce n'est pas très gênant. Idem pour les non-caractères du style FFFE et FFFF.
