Discussion :

[thais781]

Bonjour,

Est il possible en shell de rechercher un mot dans un texte et d'en extraire les 5 mots avant et les 5 mots après ?

Par exemple,
MyTexte = "Le podium. TF1 achevait jeudi soir la diffusion de la saison 2 de Falco. Les deux derniers épisodes de la série avec Sagamore Stévenin ont fédéré 5,5 millions de téléspectateurs, en légère baisse par rapport à la semaine dernière. France 3 arrive deuxième avec un western classique, Les sept mercenaires, qui a passionné 2,6 millions de téléspectateurs. France 2 et Envoyé spécial complètent le podium avec 2,5 millions de fidèles."

-> Rechercher "France 3"
-> Extraire "rapport à la semaine dernière. France 3 arrive deuxième avec un western"

Merci pour votre aide ...

Thais

[BufferBob]

salut,

je me risque à une réponse, qui fonctionne mais pour laquelle je ne sais pas si elle respectera les contraintes éventuelles (du fait qu'on est dans la section Unix et non Linux notament)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

grep -Po "([^ ]+ ){5}France 3( [^ ]+){5}" <<< $MyTexte

sinon via Perl directement sur le même principe

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

perl -ne 'print $1."\n" if /((?:[^ ]+ ){5}France 3(?: [^ ]+){5})/' <<< $MyTexte

en espérant que ça réponde à ta question

[disedorgue]

Bonjour,
Sous quel Unix ?
La question est vague, voici une solution qui fonctionne a peu près avec un grep qui supporte la répétition ( {5} ):
Ici, je considère qu'un mot est un ensemble de caractères séparé par un ou plusieurs espaces et que le texte est sur une ligne (d'un point de vue système):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
$ echo $MyTexte
Le podium. TF1 achevait jeudi soir la diffusion de la saison 2 de Falco. Les deux derniers épisodes de la série avec Sagamore Stévenin ont fédéré 5,5 millions de téléspectateurs, en légère baisse par rapport à la semaine dernière. France 3 arrive deuxième avec un western classique, Les sept mercenaires, qui a passionné 2,6 millions de téléspectateurs. France 2 et Envoyé spécial complètent le podium avec 2,5 millions de fidèles.
$ echo $MyTexte | grep -o '\([^[:space:]]\+[[:space:]]\+\)\{5\}France 3\([[:space:]]\+[^[:space:]]\+\)\{5\}'
rapport à la semaine dernière. France 3 arrive deuxième avec un western

Et une version avec un grep qui ne supporte pas la répétition (la regex est beaucoup plus longue puisque l'on est obligé de la répéter autant que besoin:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
$ echo $MyTexte | grep -o '[^[:space:]]\+[[:space:]]\+[^[:space:]]\+[[:space:]]\+[^[:space:]]\+[[:space:]]\+[^[:space:]]\+[[:space:]]\+[^[:space:]]\+[[:space:]]\+France 3[[:space:]]\+[^[:space:]]\+[[:space:]]\+[^[:space:]]\+[[:space:]]\+[^[:space:]]\+[[:space:]]\+[^[:space:]]\+[[:space:]]\+[^[:space:]]\+'
rapport à la semaine dernière. France 3 arrive deuxième avec un western

[thais781]

Bonjour,

Merci pour votre aide.
Je souhaite intégrer cette fonction dans un AppelScript.
Et pour être franche, je ne sais pas trop quel Unix se cache derrière ....
Normalement on doit pouvoir faire un truc du style :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
		set sRech to "\([^[:space:]]\+[[:space:]]\+\)\{5\}France 3\([[:space:]]\+[^[:space:]]\+\)\{5\}"
		set sShell to "echo " & (quoted form of sText) & " | grep -o " & (quoted form of sRech)
		try
			set myResult to do shell script sShell
		end try

Mais bon, un simple copier/coller, ne fonctionne pas
Et je suis très mauvaise en RegEx .....

Si vous avez une piste n'hésitez pas, je vais également creuser de mon coté et vous tiens au courant.

Thais

PS EDIT : Pour info, le code suivant marche, mais ne m'extract que le mot trouvé et pas les 5 devant et les 5 derrières.
Si c'est plus simple, on peut aussi extiare les 20 caractères devant et les 20 derrières ...

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
set sRech to "France 3"
set sShell to "echo " & (quoted form of MyText) & " | grep -oP " & (quoted form of sRech)
try
	set myRresult to do shell script sShell
end try

[disedorgue]

Je ne connais pas applescript (derrière on doit être sur du MAC OS), mais je vois que tu fourni une version "quoted" de la regex, il y a de forte chance que cela soit ceci qui gêne, essaie avec ces lignes:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
set sRech to "([^[:space:]]+[[:space:]]+){5}France 3([[:space:]]+[^[:space:]]+){5}"
set sShell to "echo " & (quoted form of MyText) & " | grep -oP " & (quoted form of sRech)

Et si cela ne fonctionne pas, avec les ligne suivantes (si on a droit de ne pas "quoted" ???):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
set sRech to "([^[:space:]]+[[:space:]]+){5}France 3([[:space:]]+[^[:space:]]+){5}"
set sShell to "echo " & (form of MyText) & " | grep -oP " & (form of sRech)

Par ailleurs, je suis surpris de l'option -P du grep (en principe, c'est pour utiliser le moteur de regex de perl mais ce n'est pas documenter dans le man du grep d'apple...)

[thais781]

Merci c'est parfait
J'aie rajouté l'option -i pour le case control ....

Merci beaucoup pour ton aide.

Thais

[thais781]

Bonjour,

Juste une dernière question subsidiaire.
S'il y a moins de 5 mots entre le début du texte et le mot recherche/trouvé ca n'extrait pas l'info

Sais tu ce qu'il faut modifier dans la RegEx pour extraire la chaine dans ce cas ?
Idem pour la fin ....

Thais

[ok.Idriss]

Bonjour.

Sais tu ce qu'il faut modifier dans la RegEx pour extraire la chaine dans ce cas ?

Il faudra nous donner un peu plus de précisions : combien de mot au minimum et au maximum ?

Par exemple, si tu peux avoir entre 3 et 5 mot, tu peux remplacer par :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

"([^[:space:]]+[[:space:]]+){3,5}France 3([[:space:]]+[^[:space:]]+){3,5}"

A toi de définir les règles et la regexp viendra toute seule

Idriss

[disedorgue]

Juste une petite précision sur la réponse de ok.Idriss:
La plupart des moteurs de regex (dont celui de grep) recherche la plus grande correspondance possible, donc si tu mets {0,5}, il retournera entre 0 et 5 "mots" mais choisira en priorité 5 sinon 4,...