Ponctuation, orthographe, syntaxe...

[ledahu]

— 'tain, ch'uis en train d'me rendre compte que j'suis une buse en typomachin !
— Mouai, t'as raison, reste concentré sur l'orthographe. Ça sera déjà bien ...
— N’empêche, j'me demande comment les passages UTF-8 , latin1_swedish_ci, vers Word2007 et autre "parser" vont mouliner tout ça. Ça sent les erreurs Unicode plein nez.
— Moi, une fois, j'ai importé un texte d'ici à partir d'un OTD vers un simple formulaire richtext. C'est jamais passé ! Il utilisait des guillemets qui n'avaient pas d'équivalent ! Encodés en 3bytes !
— T'as filtré ?
— Ben ouai. Obligé, pas d'autres solutions qu'un filtre à l'eau de javel. S'il y en a un qui l'a fait, tu peux être sûr qu'un autre le fera. Tu veux voir le code qui permet de dégager tous les caractères folkloriques ? Tiens regarde, du glyphosate typographique :

Code :

        $regex = <<<'END'
/
  (
    (?: [\x00-\x7F]               # single-byte sequences   0xxxxxxx
    |   [\xC0-\xDF][\x80-\xBF]    # double-byte sequences   110xxxxx 10xxxxxx
    |   [\xE0-\xEF][\x80-\xBF]{2} # triple-byte sequences   1110xxxx 10xxxxxx * 2
    |   [\xF0-\xF7][\x80-\xBF]{3} # quadruple-byte sequence 11110xxx 10xxxxxx * 3
    ){1,100}                      # ...one or more times
  )
| ( [\x80-\xBF] )                 # invalid byte in range 10000000 - 10111111
| ( [\xC0-\xFF] )                 # invalid byte in range 11000000 - 11111111
/x
END;

Je comprends bien que la typo, c'est important.

Malgré tout, peut-être pourriez-vous faire part d'un minimum vital ? Pointer le commun qui vous irrite ?
Disons, les majuscules accentuées ?
Les grands tirets 0151 pour les dialogues ?