elhacker.net cabecera Bienvenido(a), Visitante. Por favor Ingresar o Registrarse
¿Perdiste tu email de activación?.

 

 


Tema destacado: Trabajando con las ramas de git (tercera parte)


+  Foro de elhacker.net
|-+  Programación
| |-+  Programación C/C++ (Moderadores: Eternal Idol, Littlehorse, K-YreX)
| | |-+  Quitar acentos de un string
0 Usuarios y 1 Visitante están viendo este tema.
Páginas: 1 2 [3] Ir Abajo Respuesta Imprimir
Autor Tema: Quitar acentos de un string  (Leído 16,663 veces)
Stakewinner00


Desconectado Desconectado

Mensajes: 1.426



Ver Perfil WWW
Re: Quitar acentos de un string
« Respuesta #20 en: 10 Julio 2015, 01:49 am »

Los caracteres acentuados se componen de dos bytes, mientras los sin acento se representan con un solo byte, intenta probando esto

Código
  1. if( cadena == (unsigned char)('á'))

Pero comparar una cosa de la clase std::string con un unsigned char no se puede hacer así tal cual,


En línea

WHK
Moderador Global
***
Desconectado Desconectado

Mensajes: 6.605


Sin conocimiento no hay espíritu


Ver Perfil WWW
Re: Quitar acentos de un string
« Respuesta #21 en: 10 Julio 2015, 01:56 am »

Si el código está hecho en utf8 o en latín iso y usas otra codificación en la entrada de texto del terminal no realizará las validaciones ya que á en utf8 no es lo mismo que á en latín iso o en otras codificaciones ya que el valor decimal es diferente.

Lo que yo haría es crear la misma lista blanca pero con sus valores respectivos en decimal y detectar la codificación del texto y en base a eso realizar la conversión

Ahora, una pregunta: necesitas reemplazar únicamente acentos? que pasa con las eñes y ¨? y los demás caracteres especiales que se usan en otros lenguajes?

Mira, acá hay un proyecto que ya hace lo que necesitas:
http://stackoverflow.com/questions/2992066/code-to-strip-diacritical-marks-using-icu
http://stackoverflow.com/questions/144761/how-to-remove-accents-and-tilde-in-a-c-stdstring

http://site.icu-project.org/


En línea

user-marcos

Desconectado Desconectado

Mensajes: 159


Ver Perfil
Re: Quitar acentos de un string
« Respuesta #22 en: 10 Julio 2015, 02:06 am »

Ahora, una pregunta: necesitas reemplazar únicamente acentos? que pasa con las eñes y ¨? y los demás caracteres especiales que se usan en otros lenguajes?
Los demás caracteres los voy a quitar, sólo me insertaban los acentos para que las urls no me pierdan el sentido.
Gracias a todos por la ayuda.
En línea

WHK
Moderador Global
***
Desconectado Desconectado

Mensajes: 6.605


Sin conocimiento no hay espíritu


Ver Perfil WWW
Re: Quitar acentos de un string
« Respuesta #23 en: 10 Julio 2015, 19:55 pm »

Ahhh es para formatear urls amigables, entonces dale un vistazo a esto:

https://github.com/WordPress/WordPress/blob/master/wp-includes/formatting.php#LC968

Te servirá para crear reglas similares en c++, está hecho en php y es la función nativa de Wordpress para crear las urls amigables:

Código
  1. function remove_accents( $string ) {
  2. if ( !preg_match('/[\x80-\xff]/', $string) )
  3. return $string;
  4. if (seems_utf8($string)) {
  5. $chars = array(
  6. // Decompositions for Latin-1 Supplement
  7. chr(194).chr(170) => 'a', chr(194).chr(186) => 'o',
  8. chr(195).chr(128) => 'A', chr(195).chr(129) => 'A',
  9. chr(195).chr(130) => 'A', chr(195).chr(131) => 'A',
  10. chr(195).chr(132) => 'A', chr(195).chr(133) => 'A',
  11. chr(195).chr(134) => 'AE',chr(195).chr(135) => 'C',
  12. chr(195).chr(136) => 'E', chr(195).chr(137) => 'E',
  13. chr(195).chr(138) => 'E', chr(195).chr(139) => 'E',
  14. chr(195).chr(140) => 'I', chr(195).chr(141) => 'I',
  15. chr(195).chr(142) => 'I', chr(195).chr(143) => 'I',
  16. chr(195).chr(144) => 'D', chr(195).chr(145) => 'N',
  17. chr(195).chr(146) => 'O', chr(195).chr(147) => 'O',
  18. chr(195).chr(148) => 'O', chr(195).chr(149) => 'O',
  19. chr(195).chr(150) => 'O', chr(195).chr(153) => 'U',
  20. chr(195).chr(154) => 'U', chr(195).chr(155) => 'U',
  21. chr(195).chr(156) => 'U', chr(195).chr(157) => 'Y',
  22. chr(195).chr(158) => 'TH',chr(195).chr(159) => 's',
  23. chr(195).chr(160) => 'a', chr(195).chr(161) => 'a',
  24. chr(195).chr(162) => 'a', chr(195).chr(163) => 'a',
  25. chr(195).chr(164) => 'a', chr(195).chr(165) => 'a',
  26. chr(195).chr(166) => 'ae',chr(195).chr(167) => 'c',
  27. chr(195).chr(168) => 'e', chr(195).chr(169) => 'e',
  28. chr(195).chr(170) => 'e', chr(195).chr(171) => 'e',
  29. chr(195).chr(172) => 'i', chr(195).chr(173) => 'i',
  30. chr(195).chr(174) => 'i', chr(195).chr(175) => 'i',
  31. chr(195).chr(176) => 'd', chr(195).chr(177) => 'n',
  32. chr(195).chr(178) => 'o', chr(195).chr(179) => 'o',
  33. chr(195).chr(180) => 'o', chr(195).chr(181) => 'o',
  34. chr(195).chr(182) => 'o', chr(195).chr(184) => 'o',
  35. chr(195).chr(185) => 'u', chr(195).chr(186) => 'u',
  36. chr(195).chr(187) => 'u', chr(195).chr(188) => 'u',
  37. chr(195).chr(189) => 'y', chr(195).chr(190) => 'th',
  38. chr(195).chr(191) => 'y', chr(195).chr(152) => 'O',
  39. // Decompositions for Latin Extended-A
  40. chr(196).chr(128) => 'A', chr(196).chr(129) => 'a',
  41. chr(196).chr(130) => 'A', chr(196).chr(131) => 'a',
  42. chr(196).chr(132) => 'A', chr(196).chr(133) => 'a',
  43. chr(196).chr(134) => 'C', chr(196).chr(135) => 'c',
  44. chr(196).chr(136) => 'C', chr(196).chr(137) => 'c',
  45. chr(196).chr(138) => 'C', chr(196).chr(139) => 'c',
  46. chr(196).chr(140) => 'C', chr(196).chr(141) => 'c',
  47. chr(196).chr(142) => 'D', chr(196).chr(143) => 'd',
  48. chr(196).chr(144) => 'D', chr(196).chr(145) => 'd',
  49. chr(196).chr(146) => 'E', chr(196).chr(147) => 'e',
  50. chr(196).chr(148) => 'E', chr(196).chr(149) => 'e',
  51. chr(196).chr(150) => 'E', chr(196).chr(151) => 'e',
  52. chr(196).chr(152) => 'E', chr(196).chr(153) => 'e',
  53. chr(196).chr(154) => 'E', chr(196).chr(155) => 'e',
  54. chr(196).chr(156) => 'G', chr(196).chr(157) => 'g',
  55. chr(196).chr(158) => 'G', chr(196).chr(159) => 'g',
  56. chr(196).chr(160) => 'G', chr(196).chr(161) => 'g',
  57. chr(196).chr(162) => 'G', chr(196).chr(163) => 'g',
  58. chr(196).chr(164) => 'H', chr(196).chr(165) => 'h',
  59. chr(196).chr(166) => 'H', chr(196).chr(167) => 'h',
  60. chr(196).chr(168) => 'I', chr(196).chr(169) => 'i',
  61. chr(196).chr(170) => 'I', chr(196).chr(171) => 'i',
  62. chr(196).chr(172) => 'I', chr(196).chr(173) => 'i',
  63. chr(196).chr(174) => 'I', chr(196).chr(175) => 'i',
  64. chr(196).chr(176) => 'I', chr(196).chr(177) => 'i',
  65. chr(196).chr(178) => 'IJ',chr(196).chr(179) => 'ij',
  66. chr(196).chr(180) => 'J', chr(196).chr(181) => 'j',
  67. chr(196).chr(182) => 'K', chr(196).chr(183) => 'k',
  68. chr(196).chr(184) => 'k', chr(196).chr(185) => 'L',
  69. chr(196).chr(186) => 'l', chr(196).chr(187) => 'L',
  70. chr(196).chr(188) => 'l', chr(196).chr(189) => 'L',
  71. chr(196).chr(190) => 'l', chr(196).chr(191) => 'L',
  72. chr(197).chr(128) => 'l', chr(197).chr(129) => 'L',
  73. chr(197).chr(130) => 'l', chr(197).chr(131) => 'N',
  74. chr(197).chr(132) => 'n', chr(197).chr(133) => 'N',
  75. chr(197).chr(134) => 'n', chr(197).chr(135) => 'N',
  76. chr(197).chr(136) => 'n', chr(197).chr(137) => 'N',
  77. chr(197).chr(138) => 'n', chr(197).chr(139) => 'N',
  78. chr(197).chr(140) => 'O', chr(197).chr(141) => 'o',
  79. chr(197).chr(142) => 'O', chr(197).chr(143) => 'o',
  80. chr(197).chr(144) => 'O', chr(197).chr(145) => 'o',
  81. chr(197).chr(146) => 'OE',chr(197).chr(147) => 'oe',
  82. chr(197).chr(148) => 'R',chr(197).chr(149) => 'r',
  83. chr(197).chr(150) => 'R',chr(197).chr(151) => 'r',
  84. chr(197).chr(152) => 'R',chr(197).chr(153) => 'r',
  85. chr(197).chr(154) => 'S',chr(197).chr(155) => 's',
  86. chr(197).chr(156) => 'S',chr(197).chr(157) => 's',
  87. chr(197).chr(158) => 'S',chr(197).chr(159) => 's',
  88. chr(197).chr(160) => 'S', chr(197).chr(161) => 's',
  89. chr(197).chr(162) => 'T', chr(197).chr(163) => 't',
  90. chr(197).chr(164) => 'T', chr(197).chr(165) => 't',
  91. chr(197).chr(166) => 'T', chr(197).chr(167) => 't',
  92. chr(197).chr(168) => 'U', chr(197).chr(169) => 'u',
  93. chr(197).chr(170) => 'U', chr(197).chr(171) => 'u',
  94. chr(197).chr(172) => 'U', chr(197).chr(173) => 'u',
  95. chr(197).chr(174) => 'U', chr(197).chr(175) => 'u',
  96. chr(197).chr(176) => 'U', chr(197).chr(177) => 'u',
  97. chr(197).chr(178) => 'U', chr(197).chr(179) => 'u',
  98. chr(197).chr(180) => 'W', chr(197).chr(181) => 'w',
  99. chr(197).chr(182) => 'Y', chr(197).chr(183) => 'y',
  100. chr(197).chr(184) => 'Y', chr(197).chr(185) => 'Z',
  101. chr(197).chr(186) => 'z', chr(197).chr(187) => 'Z',
  102. chr(197).chr(188) => 'z', chr(197).chr(189) => 'Z',
  103. chr(197).chr(190) => 'z', chr(197).chr(191) => 's',
  104. // Decompositions for Latin Extended-B
  105. chr(200).chr(152) => 'S', chr(200).chr(153) => 's',
  106. chr(200).chr(154) => 'T', chr(200).chr(155) => 't',
  107. // Euro Sign
  108. chr(226).chr(130).chr(172) => 'E',
  109. // GBP (Pound) Sign
  110. chr(194).chr(163) => '',
  111. // Vowels with diacritic (Vietnamese)
  112. // unmarked
  113. chr(198).chr(160) => 'O', chr(198).chr(161) => 'o',
  114. chr(198).chr(175) => 'U', chr(198).chr(176) => 'u',
  115. // grave accent
  116. chr(225).chr(186).chr(166) => 'A', chr(225).chr(186).chr(167) => 'a',
  117. chr(225).chr(186).chr(176) => 'A', chr(225).chr(186).chr(177) => 'a',
  118. chr(225).chr(187).chr(128) => 'E', chr(225).chr(187).chr(129) => 'e',
  119. chr(225).chr(187).chr(146) => 'O', chr(225).chr(187).chr(147) => 'o',
  120. chr(225).chr(187).chr(156) => 'O', chr(225).chr(187).chr(157) => 'o',
  121. chr(225).chr(187).chr(170) => 'U', chr(225).chr(187).chr(171) => 'u',
  122. chr(225).chr(187).chr(178) => 'Y', chr(225).chr(187).chr(179) => 'y',
  123. // hook
  124. chr(225).chr(186).chr(162) => 'A', chr(225).chr(186).chr(163) => 'a',
  125. chr(225).chr(186).chr(168) => 'A', chr(225).chr(186).chr(169) => 'a',
  126. chr(225).chr(186).chr(178) => 'A', chr(225).chr(186).chr(179) => 'a',
  127. chr(225).chr(186).chr(186) => 'E', chr(225).chr(186).chr(187) => 'e',
  128. chr(225).chr(187).chr(130) => 'E', chr(225).chr(187).chr(131) => 'e',
  129. chr(225).chr(187).chr(136) => 'I', chr(225).chr(187).chr(137) => 'i',
  130. chr(225).chr(187).chr(142) => 'O', chr(225).chr(187).chr(143) => 'o',
  131. chr(225).chr(187).chr(148) => 'O', chr(225).chr(187).chr(149) => 'o',
  132. chr(225).chr(187).chr(158) => 'O', chr(225).chr(187).chr(159) => 'o',
  133. chr(225).chr(187).chr(166) => 'U', chr(225).chr(187).chr(167) => 'u',
  134. chr(225).chr(187).chr(172) => 'U', chr(225).chr(187).chr(173) => 'u',
  135. chr(225).chr(187).chr(182) => 'Y', chr(225).chr(187).chr(183) => 'y',
  136. // tilde
  137. chr(225).chr(186).chr(170) => 'A', chr(225).chr(186).chr(171) => 'a',
  138. chr(225).chr(186).chr(180) => 'A', chr(225).chr(186).chr(181) => 'a',
  139. chr(225).chr(186).chr(188) => 'E', chr(225).chr(186).chr(189) => 'e',
  140. chr(225).chr(187).chr(132) => 'E', chr(225).chr(187).chr(133) => 'e',
  141. chr(225).chr(187).chr(150) => 'O', chr(225).chr(187).chr(151) => 'o',
  142. chr(225).chr(187).chr(160) => 'O', chr(225).chr(187).chr(161) => 'o',
  143. chr(225).chr(187).chr(174) => 'U', chr(225).chr(187).chr(175) => 'u',
  144. chr(225).chr(187).chr(184) => 'Y', chr(225).chr(187).chr(185) => 'y',
  145. // acute accent
  146. chr(225).chr(186).chr(164) => 'A', chr(225).chr(186).chr(165) => 'a',
  147. chr(225).chr(186).chr(174) => 'A', chr(225).chr(186).chr(175) => 'a',
  148. chr(225).chr(186).chr(190) => 'E', chr(225).chr(186).chr(191) => 'e',
  149. chr(225).chr(187).chr(144) => 'O', chr(225).chr(187).chr(145) => 'o',
  150. chr(225).chr(187).chr(154) => 'O', chr(225).chr(187).chr(155) => 'o',
  151. chr(225).chr(187).chr(168) => 'U', chr(225).chr(187).chr(169) => 'u',
  152. // dot below
  153. chr(225).chr(186).chr(160) => 'A', chr(225).chr(186).chr(161) => 'a',
  154. chr(225).chr(186).chr(172) => 'A', chr(225).chr(186).chr(173) => 'a',
  155. chr(225).chr(186).chr(182) => 'A', chr(225).chr(186).chr(183) => 'a',
  156. chr(225).chr(186).chr(184) => 'E', chr(225).chr(186).chr(185) => 'e',
  157. chr(225).chr(187).chr(134) => 'E', chr(225).chr(187).chr(135) => 'e',
  158. chr(225).chr(187).chr(138) => 'I', chr(225).chr(187).chr(139) => 'i',
  159. chr(225).chr(187).chr(140) => 'O', chr(225).chr(187).chr(141) => 'o',
  160. chr(225).chr(187).chr(152) => 'O', chr(225).chr(187).chr(153) => 'o',
  161. chr(225).chr(187).chr(162) => 'O', chr(225).chr(187).chr(163) => 'o',
  162. chr(225).chr(187).chr(164) => 'U', chr(225).chr(187).chr(165) => 'u',
  163. chr(225).chr(187).chr(176) => 'U', chr(225).chr(187).chr(177) => 'u',
  164. chr(225).chr(187).chr(180) => 'Y', chr(225).chr(187).chr(181) => 'y',
  165. // Vowels with diacritic (Chinese, Hanyu Pinyin)
  166. chr(201).chr(145) => 'a',
  167. // macron
  168. chr(199).chr(149) => 'U', chr(199).chr(150) => 'u',
  169. // acute accent
  170. chr(199).chr(151) => 'U', chr(199).chr(152) => 'u',
  171. // caron
  172. chr(199).chr(141) => 'A', chr(199).chr(142) => 'a',
  173. chr(199).chr(143) => 'I', chr(199).chr(144) => 'i',
  174. chr(199).chr(145) => 'O', chr(199).chr(146) => 'o',
  175. chr(199).chr(147) => 'U', chr(199).chr(148) => 'u',
  176. chr(199).chr(153) => 'U', chr(199).chr(154) => 'u',
  177. // grave accent
  178. chr(199).chr(155) => 'U', chr(199).chr(156) => 'u',
  179. );
  180. // Used for locale-specific rules
  181. $locale = get_locale();
  182. if ( 'de_DE' == $locale || 'de_DE_formal' == $locale ) {
  183. $chars[ chr(195).chr(132) ] = 'Ae';
  184. $chars[ chr(195).chr(164) ] = 'ae';
  185. $chars[ chr(195).chr(150) ] = 'Oe';
  186. $chars[ chr(195).chr(182) ] = 'oe';
  187. $chars[ chr(195).chr(156) ] = 'Ue';
  188. $chars[ chr(195).chr(188) ] = 'ue';
  189. $chars[ chr(195).chr(159) ] = 'ss';
  190. } elseif ( 'da_DK' === $locale ) {
  191. $chars[ chr(195).chr(134) ] = 'Ae';
  192. $chars[ chr(195).chr(166) ] = 'ae';
  193. $chars[ chr(195).chr(152) ] = 'Oe';
  194. $chars[ chr(195).chr(184) ] = 'oe';
  195. $chars[ chr(195).chr(133) ] = 'Aa';
  196. $chars[ chr(195).chr(165) ] = 'aa';
  197. }
  198. $string = strtr($string, $chars);
  199. } else {
  200. $chars = array();
  201. // Assume ISO-8859-1 if not UTF-8
  202. $chars['in'] = chr(128).chr(131).chr(138).chr(142).chr(154).chr(158)
  203. .chr(159).chr(162).chr(165).chr(181).chr(192).chr(193).chr(194)
  204. .chr(195).chr(196).chr(197).chr(199).chr(200).chr(201).chr(202)
  205. .chr(203).chr(204).chr(205).chr(206).chr(207).chr(209).chr(210)
  206. .chr(211).chr(212).chr(213).chr(214).chr(216).chr(217).chr(218)
  207. .chr(219).chr(220).chr(221).chr(224).chr(225).chr(226).chr(227)
  208. .chr(228).chr(229).chr(231).chr(232).chr(233).chr(234).chr(235)
  209. .chr(236).chr(237).chr(238).chr(239).chr(241).chr(242).chr(243)
  210. .chr(244).chr(245).chr(246).chr(248).chr(249).chr(250).chr(251)
  211. .chr(252).chr(253).chr(255);
  212. $chars['out'] = "EfSZszYcYuAAAAAACEEEEIIIINOOOOOOUUUUYaaaaaaceeeeiiiinoooooouuuuyy";
  213. $string = strtr($string, $chars['in'], $chars['out']);
  214. $double_chars = array();
  215. $double_chars['in'] = array(chr(140), chr(156), chr(198), chr(208), chr(222), chr(223), chr(230), chr(240), chr(254));
  216. $double_chars['out'] = array('OE', 'oe', 'AE', 'DH', 'TH', 'ss', 'ae', 'dh', 'th');
  217. $string = str_replace($double_chars['in'], $double_chars['out'], $string);
  218. }
  219. return $string;
  220. }
En línea

Páginas: 1 2 [3] Ir Arriba Respuesta Imprimir 

Ir a:  

WAP2 - Aviso Legal - Powered by SMF 1.1.21 | SMF © 2006-2008, Simple Machines