Discussion :

[6ril23]

Bonjour à tous, je souhaiterais votre aide afin de comprendre un petit problème rencontré avec une regex
Quand je fais

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

if ( $_ =~ /<(R_.*)\s+.*"><balise1>(.*)<\/balise1><balise2>(.*)<\/balise2>.*?(?:<balise3>(.+?)<\/balise3>)?.*?(?:<balise4>(.+?)<\/balise4>)?/ )

je filtre bien les lignes qui m'intéressent c'est à dire quand il y a au moins une des balises 3 et4, mais le problème vient de la récupération des valeurs

Je récupère sans problème $1, $2 et $3 mais $4 et $5 reste 'unitilized'

Apparemment ça provient du fait que les balises soient facultatives mais j'ai pas trouvé pourquoi et j'aimerais bien comprendre.
D'avance merci pour votre aide

[djibril]

Bonjour,

Sans devoir expliquer quoique ce soit, j'imagine que tu essayes d'analyser du XML. Si oui, c'est une très très très mauvaise idée de le faire à coup de regex.

[6ril23]

non j'analyse des fichiers de log dont une partie à un format sous forme de balises genre XML
Si j'avais que du XML je n'aurais pas fait comme ça

[Lolo78]

Donne un exemple de données en entrée pour lesquelles $4 et $5 ne sont pas renseignés.

[6ril23]

Les données en entrée peuvent être des formes suivantes:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
<R_monidentifiant version="00.01"><balise1>toto</balise1><balise2>tata</balise2><balise3>000</balise3><balise4>001</balise4>
<R_monidentifiant version="00.01"><balise1>toto</balise1><balise2>tata</balise2><balise3>000</balise3>
<R_monidentifiant version="00.01"><balise1>toto</balise1><balise2>tata</balise2><balise4>001</balise4>

il n'existe pas de cas où les balise 3 ET 4 sont absentes

mais avec ma regex, je récupère bien: "R_monidentifiant", "toto", "tata"
MAIS PAS "000" ou "001" (message d'erreur lors du print car valeur "uninitialized" même si la balise et la valeur voulue sont présentes)

Je n'ai en revanche aucun problème si je fais en 2 temps

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
if ( $_ =~ /<(R_.*)\s+.*"><balise1>(.*)<\/balise1>/){
     my $code1 = $1 if ($_ =~ /<balise3>(.+?)<\/balise3>/);
     my $code2 = $1 if ($_ =~ /<balise4>(.+?)<\/balise4>/);
}

[Lolo78]

Je viens d'essayer. Avec ta première ligne, j'obtiens:

($1..$5) = R_monidentifiant, toto, tata, 000, 001

Avec ta deuxième ligne:

($1..$4) = R_monidentifiant, toto, tata, 000,

Et ta troisième ligne:

($1..$5) = R_monidentifiant, toto, tata, , 001

Autrement dit, les 5 valeurs sont bien retrouvées avec ta première ligne; avec la seconde, $5 est non initialisé (normal, il n'y a pas de reconnaissance) et avec ta troisième ligne, c'est $4 qui n'est pas initialisé (normal à nouveau, puisque le quatrième groupe capturant n'a rien reconnu).

[6ril23]

ok merci donc le problème ne vient pas de la regex
tu as testé avec quelle version de Perl et quel OS ?

je suis sous perl, v5.8.4 built for sun4-solaris-64int

[Lolo78]

Testé sous Perl v5.8.6 built for VMS_AXP.

Mais comme la regex n'a rien de particulier, je pense que ça doit marcher avec à peu près n'importe quelle version de Perl 5 (en tous les cas pour sûr n'importe quelle version supérieure ou égale à 5.6).

[6ril23]

ouais bizarre
merci pour ton aide Lolo