Comment supprimer les accents du texte (et pourquoi vous le voudriez)
La suppression des accents convertit les lettres comme á, é, ñ, ç et ü en leurs formes simples a, e, n, c et u. Cela ressemble à un besoin de niche, mais cela revient constamment au moment où les données doivent circuler entre les systèmes, et bien faire les choses fait la différence entre un nom d'utilisateur qui fonctionne et un nom rejeté par le système. Voici quand vous en avez besoin et comment cela fonctionne.
Quand tu as besoin de supprimer les accents
Le déclencheur commun est un système qui n'accepte que les lettres ASCII de base. En générant un nom d'utilisateur ou une adresse email à partir du nom d'une personne, José devient jose. Création d'un slug d'URL à partir d'un titre accentué. Préparation des données pour une base de données existante qui s'étouffe avec des caractères non-ASCII. Produire des noms de fichiers qui se comportent sous Windows, Mac et Linux. Normaliser les termes de recherche afin qu'une recherche sur « José » corresponde à un enregistrement stocké sous « José ». Dans tout cela, les mots restent parfaitement lisibles ; seuls les signes diacritiques sont supprimés.
Comment fonctionne la suppression des accents
Sous le capot, chaque caractère accentué est décomposé en deux parties : une lettre de base plus une marque de combinaison distincte. Le é devient e plus une marque d'accent aigu. Ensuite, les marques sont supprimées, ne laissant que les lettres de base. C’est pourquoi le café devient café et la piñata devient pinata sans rien perturber d’autre dans le texte. Il gère les accents de nombreuses langues en un seul passage, ce qui le rend fiable plutôt qu'une recherche et un remplacement caractère par caractère.
Quelles langues il gère
La technique fonctionne pour les langues latines, espagnol, portugais, français, allemand, italien et autres, où les lettres accentuées se décomposent proprement en une lettre de base plus une marque. Il gère toute la gamme des signes diacritiques européens courants. Notez que les écritures non latines, comme le chinois, le japonais, l'arabe ou le cyrillique, ne se décomposent pas de cette façon en une lettre de base latine, l'outil est donc particulièrement utile pour le texte latin. Pour ces scripts, la translittération est un problème différent et plus difficile.
Accents, recherche et correspondance de données
L’une des utilisations les plus précieuses consiste à rendre la recherche et la correspondance indulgentes. Si votre base de données stocke « São Paulo » mais qu'un utilisateur tape « Sao Paulo », ils ne correspondront pas à moins que vous ne normalisiez les deux sous la même forme sans accent. Le même problème apparaît lors de la déduplication d'une liste dans laquelle le même nom apparaît avec et sans accents, ils ressemblent à des entrées différentes dans un outil de correspondance exacte. La suppression des accents avant la comparaison transforme ces quasi-doublons en correspondances exactes, ce qui est essentiel pour des données claires et une recherche fiable. Il s’agit d’une petite étape de normalisation qui évite discrètement toute une classe de bugs.
Un petit mot pour savoir quand ne pas supprimer les accents
Les accents ont un sens, alors ne les supprimez pas du texte destiné à la lecture humaine où l'exactitude est importante, du nom d'une personne dans un document formel, de la prose publiée ou de tout ce dont « José » étant rendu par « Jose » serait faux ou irrespectueux. La suppression des accents est une normalisation technique des noms d'utilisateur, des URL, des correspondances et des systèmes existants, et non un choix d'édition du contenu fini. Conservez l'original accentué pour l'affichage et utilisez la version supprimée pour les tâches orientées machine qui en ont besoin.