Discussion :

[antony03]

Bonjour,

J'ai un fichier contenant des lignes dans un format alphanumérique comme ceci:

122A32T23AGT44

Je veux séparer la string en alpha et numérique. De plus, les caractères alpha doivent être séparés entre eux. Pour mon exemple ci-haut:

122
A
32
T
23
A
G
T
44

Je sais comment utiliser split avec un delimiter constant (pour la virgule pour un format csv). Je n'ai cependant aucune idée sur comment faire la séparation avec mon format actuel.

Merci!

[__dardanos__]

Salut,
Ça semble plus simple de rechercher directement les éléments que le séparateur pour utiliser Split :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
$ echo "122A32T23AGT44" |perl -ne 'print join("\n", m/\d+|\w/g) . "\n"'
122
A
32
T
23
A
G
T
44

[Lolo78]

Bravo pour cette réponse astucieuse, effectivement bien meilleure que ce que l'on peut imaginer avec split.

[cmcmc]

On peut très bien utiliser split. Il suffit de découper autour des caractères qui ne sont pas des chiffres.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
Taisha:~/perl/forum $ perl -E 'say for split /(?<=\D)|(?=\D)/, "122A32T23AGT44"'
122
A
32
T
23
A
G
T
44
Taisha:~/perl/forum $

l'expression régulière utilisée est une alternation (|) entre

• (?<=\D) : zero-length positive look-behind sur \D, ce qui signifie que le caractère précédent n'est pas un chiffre
• (?=\D) : zero-width positive look-ahead sur \D, ce qui signifie que le caractère suivant n'est pas un chiffre

Le résultat est une assertion de largeur nulle qui découpe autour des lettres (précisément, des non-chiffres).
La documentation standard est dans perlre

[Schmorgluck]

On peut aussi mettre des parenthèses dans le terme de recherche du split, ce qui retourne les séparateurs en plus des termes séparés.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
perl -e'print "$_\n" for split /(\D+)/,"122A32T23AGT44"'
122
A
32
T
23
AGT
44

[Lolo78]

Bien le coup des assertions positives avant et arrière de cmccmc, mais encore plus astucieux l'idée de Schmorgluck de la mise entre parenthèses du terme de recherche de split. Bravo et ++ à tous les deux.

[cmcmc]

On peut aussi mettre des parenthèses dans le terme de recherche du split, ce qui retourne les séparateurs en plus des termes séparés.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
perl -e'print "$_\n" for split /(\D+)/,"122A32T23AGT44"'
122
A
32
T
23
AGT
44

Non, ça ne marche pas parce que la spec initiale demande qu'on sépare les lettres... Donc en l'occurrence le + est de trop dans /(\D+)/ :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
Taisha:~/perl/forum $ perl -e'print "$_\n" for split /(\D)/,"122A32T23AGT44"'
122
A
32
T
23
A
 
G
 
T
44
Taisha:~/perl/forum $

mais on se retrouve avec des chaînes vides entre les lettres, qu'il faut filtrer, par exemple avec

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
Taisha:~/perl/forum $ perl -e'print "$_\n" for grep { $_ ne q{} } split /(\D)/,"122A32T23AGT44"'
122
A
32
T
23
A
G
T
44
Taisha:~/perl/forum $

et ça devient un peu lourd

[Schmorgluck]

Ah, oui, en effet. Donc la solution la plus simple est bien celle de __dardanos__ au bout du compte.

[cmcmc]

La simplicité est dans l'oeil de l'observateur . Plus pertinent peut être, la version "match" semble sensiblement plus rapide que la version "split" (pour perl v14.2.1 sur linux, mais je doute que ça change significativement d'une version à l'autre):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
$ perl -MBenchmark="timethese,cmpthese" -e'for (1, 10, 100, 1000, 10000) { my $aa = 0; my $bb = 0; my $s = "A122A32T23AGT44" x $_; print "---- chaine de taille ", length($s), "\n"; $r = timethese( 1000000 / $_, { split => sub {++$aa for split /(?<=\D)|(?=\D)/, $s}, match => sub{++$bb for $s =~ m/(\d+|\w)/g}, } ); cmpthese $r; die if $aa != $bb or $aa != 10000000}'
---- chaine de taille 15
Benchmark: timing 1000000 iterations of match, split...
     match:  8 wallclock secs ( 7.43 usr +  0.00 sys =  7.43 CPU) @ 134589.50/s (n=1000000)
     split: 11 wallclock secs (10.33 usr +  0.01 sys = 10.34 CPU) @ 96711.80/s (n=1000000)
          Rate split match
split  96712/s    --  -28%
match 134590/s   39%    --
---- chaine de taille 150
Benchmark: timing 100000 iterations of match, split...
     match:  7 wallclock secs ( 6.59 usr +  0.00 sys =  6.59 CPU) @ 15174.51/s (n=100000)
     split:  9 wallclock secs ( 9.05 usr +  0.00 sys =  9.05 CPU) @ 11049.72/s (n=100000)
         Rate split match
split 11050/s    --  -27%
match 15175/s   37%    --
---- chaine de taille 1500
Benchmark: timing 10000 iterations of match, split...
     match:  7 wallclock secs ( 6.53 usr +  0.00 sys =  6.53 CPU) @ 1531.39/s (n=10000)
     split:  9 wallclock secs ( 9.09 usr +  0.00 sys =  9.09 CPU) @ 1100.11/s (n=10000)
        Rate split match
split 1100/s    --  -28%
match 1531/s   39%    --
---- chaine de taille 15000
Benchmark: timing 1000 iterations of match, split...
     match:  7 wallclock secs ( 6.52 usr +  0.00 sys =  6.52 CPU) @ 153.37/s (n=1000)
     split:  9 wallclock secs ( 9.08 usr +  0.00 sys =  9.08 CPU) @ 110.13/s (n=1000)
       Rate split match
split 110/s    --  -28%
match 153/s   39%    --
---- chaine de taille 150000
Benchmark: timing 100 iterations of match, split...
     match:  7 wallclock secs ( 6.18 usr +  0.01 sys =  6.19 CPU) @ 16.16/s (n=100)
     split:  9 wallclock secs ( 8.77 usr +  0.01 sys =  8.78 CPU) @ 11.39/s (n=100)
        Rate split match
split 11.4/s    --  -29%
match 16.2/s   42%    --
$