Discussion :

[Pierre95]

Bonjour,

J'ai créé une expression régulière pour extraire une chaine qui est (parfois) répartie sur deux lignes.
Le contenu de la seconde ligne n'apparaît pas lorsqu'il existe.

Voici ma RegEx: '.*(' + EdDestination.Text + '[^\n<>]+)'. Avec 'EHAM' comme EdDestination.Text
En Delphi XE5.

Voici la partie du texte à extraire:

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
 METAR/SPECI from <font color="#0713FD">EHAM, Amsterdam Airport Schiphol (Netherlands).</font></strong></caption>
<tr bgcolor='#F0F0D0'><td>SA</td>
<td>21/08/2014 11:55-></td>
<td><font size="-1"><b><pre>METAR EHAM 211155Z 26014KT 9999 FEW027 FEW030TCU 16/10 Q1015
           NOSIG=</pre></b></font></td>
</tr>
<tr bgcolor='white'><td>SA</td>
<td>21/08/2014 11:25-></td>
<td><font size="-1"><b><pre>METAR EHAM 211125Z 23009KT 9999 SCT032 17/10 Q1015 NOSIG=</pre></b></font></td>
</tr>
</table><br>
<!--comienzo del epilogo-->
</TD>
</TR>
<TR>

Le mot "NOSIG=" de la seconde ligne n'apparaît pas.

Pourriez-vous m'aidez?

Merci

Cordialement
Pierre

[CosmoKnacki]

C'est normal qu'il n'apparaisse pas étant donné que tu as exclu le caractère de nouvelle ligne de ta classe de caractère: [^\n<>]+. Tu peux la changer en [^<]+. (donc la correspondance ira jusqu'au prochain caractère <, inutile d'exclure > ou \n.)

À propos de ton approche:

À noter que ce genre de pattern est particulièrement inefficace car elle commence par .* (qu'il faudrait d'ailleurs remplacer par [^>]* ou par (?:[A-Z]+\s+)? s'il ne peut y avoir qu'un seul mot avant), ce qui est très permissif. Et comme il n'y a aucun ancrage au début de la pattern (car ce n'est pas possible dans ce cas là) et que .* n'a pas de taille fixe, le moteur de regex va devoir tester la pattern à chaque position de la chaîne, aller tout au bout de la ligne, reculer caractère par caractère jusqu'au caractère de départ, puis recommencer avec le caractère suivant, etc. C'est une complexité énorme.

Une approche plus performante consisterai à ne chercher que \bEHAM\s+[^<]+ à extraire l'offset de la correspondance, puis d'extraire une sous chaîne de n caractères (taille à déterminer selon tes besoins) avant cet offset, de retourner la sous-chaîne et de trouver la position du premier > afin de récupérer les caractères situés avant (qu'il faut remettre à l'endroit). Après c'est juste du calcul et de la concaténation. Cette approche est avantageuse quand on ne connait pas la taille du texte à extraire avant le mot mais qu'on a une idée de sa taille maximum.

Une approche plus propre, plutôt que de faire une recherche directement à coup de regex dans du html, ce serait plus efficace d'utiliser XPath pour extraire les noeuds texte qui sont susceptibles de contenir ce que tu cherches (de part leur position dans l'arbre DOM) tout en contrôlant qu'ils contiennent le text que tu cherches. Un truc du genre:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

//tr/td/font/b/pre/text()[contains(self::node(), 'EHAM')]

quitte à devoir affiner ensuite avec une regex.

[Pierre95]

Bonjour

Merci de tout ces conseils, dont je vais tenir le plus grand compte.

Je reviendrai vers toi pour un feedback.

Cordialement
Pierre

[Papy214]

La "non-détection" sur plusieurs lignes vient souvent de l'oubli de l'option soSingleline dans l'utilisation de la classe TRegex.