Discussion :

[Michocs17141]

Bonjour,

Je cherche à comparer des champs répondant à plusieurs structurations possibles mais dont les balises de séparation sont plutôt aléatoires>>> ça c'est une phrase incompréhensible.

Donc ex:
J'aimerais pouvoir identifier et comparer ces 2 champs et les identifier comme identiques:

"BlaBlaBlaBla_F4E_21_PRC_QA010_BlaBlaBlaBla" = "BliBloBLU-F4E-21 PRC_QA-010.BliBloBLU"


et ceci pour plusieurs "modèles" de structuration; ex:
"F4E_21_PRC_QA010" ; "ENG-72-MF-5P 0074-AL" ; "_DF6DS4D_"


J'ai essayé d'écrire plein de trucs.... mais bof... ce bout de code est juste là pour voir ce que j'ai déjà fait mais il est surement "très mauvais" (c'est mon 3eme jour avec regex)
En fait je voudrais que le résultat du regex enlève par la suite les balises qui ont servies à extraire mon/mes "modèles" d'une chaîne de caractères afin de pouvoir les comparer !!

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
 
Function RegexRecherche(Texte As String)
    Dim RegEx As RegExp
    Set RegEx = New RegExp
    Dim matches As IMatchCollection2
 
    Dim match As Variant
    With RegEx
        .IgnoreCase = False
        .Global = True 
 
        .Pattern = "(([A-Z]|[0-9]){3}[- _]([A-Z]|[0-9]){2,4}[- _]([A-Z]|[0-9]){2,3}[- _]([A-Z]|[0-9]){4,6}[- _]([A-Z]|[0-9]){2,4})"
        .Pattern = .Pattern & "|(([A-Z]|[0-9]){3}(?<=[- _])([A-Z]|[0-9]){2}[- _]([A-Z]|[0-9]){3}[- _]([A-Z]|[0-9]){2}[- _]?([A-Z]|[0-9]){3})" 'F4E_21_PRC_QA010 ou F4E_21_PRC_QA-010
        .Pattern = .Pattern & "|(([A-Z]|[0-9]){3}[- _]([A-Z]|[0-9]){1}[- _]([A-Z]|[0-9]){6})"
        .Pattern = .Pattern & "|(ITER)([-_ ])([A-Z]|[0-9]){1,3}([-_ ])([A-Z]|[0-9]){3,6}"
        .Pattern = .Pattern & "|(?![-_ ])([A-Z]|[0-9]){6,7}(?=[-_ .])" ' >>>>> PROBLEME
        .Pattern = .Pattern & "|(PCR[- _]?[0-9]{1,4}(?=[-_ ]))"
        .Pattern = .Pattern & "|(ENG[- _]?[0-9]{1,2}[- _]?[A-Z]{2}[- _]?([A-Z]|[0-9]){2}[ \S][0-9]{4}[- _]?[A-Z]{2}(?=[-_ .]))" '"ENG-72-MF-5P 0074-AL.xlsx"
        .Pattern = .Pattern & "|(IO-_[0-9]{2}_[A-Z]{2}-_([A-Z]|[0-9]){6})" ' IO-_21_CS-_3YJNQJ
 
    Set matches = .Execute(Texte)
 
    End With
 
    For Each match In matches     
       RegexRecherche = matches.Item(matches.Count - 1).Value
    Next
 
End Function

Ensuite j'appel ma fonction:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
     if RegexRecherche(Texte1) = RegexRecherche(Texte2) then blablabla...

"F4E-21 PRC_QA-010" >>> oui cela rentre dans le modele "F4E[truc de séparation: -_ . etc]21[truc de séparation: -_ . etc]PRC[truc de séparation: -_ . etc]QA[truc de séparation: -_ . etc]010"


Voilà.. j'espère que c'est clair !
Merci bcp

[Marc-L]

Bonjour, bonsoir !

Comme ici c'est le forum des formules de feuilles de calculs, voir tout simplement avec CHERCHE ou TROUVE …

Même si un code semble inutile, en VBA voir du côté de la fonction InStr ou encore la méthode Find …

[Michocs17141]

Je ne veux pas passer par les formules, car cela débouchera par la suite sur une macro qui scannera un dossier avec des noms de fichiers.

Merci en tout cas pour la réorientation !
J'attends de voir si il y a des fans de RegEx. Car c'est un peu difficile à digérer comme outil.

[CosmoKnacki]

Le problème c'est qu'il est difficile de t'aider à trouver un motif général (qui t'aurais peut-être échappé) si tu ne fournis pas une grosse dizaine (ou vingtaine suivant l'hétérogénéité) d'exemples concrets (sans blibloblu) voire réel si c'est possible. L'important est de reproduire strictement les formats existants (taille, casse, mêmes caractères délimiteur).

Si d'autre part tu peux fournir les règles de nomenclature (ou carrément la signification), cela peut aussi simplifier la tâche.

[Michocs17141]

En fait ce n'est pas la construction du motif qui me pose problème. C'est de pouvoir obtenir le résultat sans certains caractères de séparation:

"L'important est de reproduire strictement les formats existants (taille, casse, mêmes caractères délimiteur)." >>> c'est là mon problème !


Exemple
ABC_123456_TOTO
ABC-123456-TOTO


[A-Z]{3}[-_][0-9]{6}[-_][A-Z]{4}
Ce motif va bien m'extraire les 2 références mais je ne pourrai pas dire qu'elles ont identiques alors que oui !

J'ai contourné le problème en faisant un replace de "-" et "_" par "". Mais ce n'est pas élégant et cela va quand même me bloquer, car pour d'autres ref cela sera par exemple "#" qui servira à créer mon motif.
Je ne vais pas faire un replace de tous les dé-limitateurs possibles car dans certaines ref ces caractères ne sont pas forcement des dé-limitateurs !

(AB#12_456#TOT Ici le _ n'est pas limitateur)


J'aurais préféré trouver (si cela existe) une méthode regex qui me donne le résultat en supprimant certains motifs:

[A-Z]{3}([-_]truc qui enlève le symbole précédent du résultat)[0-9]{6}([-_]truc qui enlève le symbole précédent du résultat)[A-Z]{4}


Est ce plus clair ?
Merci.

[CosmoKnacki]

J'ai l'impression que tu n'as pas compris ma demande, je vais donc être plus direct: Peux tu poster 15 exemples réels?

[Michocs17141]

#1
IO-_21_DRW_348YPJ_- V01.0.xlsx
IO-_21#DRW-348YPJ_- V01.0.xlsx
_348YPJ_
21_IO-_21_DRW-348YPJ_2-.PDF
PCR-M237 - 21_IO-_21_PCR_AGDF34_01.0.PDF


#2
PCR_9QYZMR
PCR 9QYZMR
_9QYZMR

#3
DST_9PUCKF

#4
ENG-40-GL-SO0401-AL
ENG-40-GL-SO0401-AL_
ENG_40-GL-SO0401-AL
ENG_40-GL-SO 0401-AL
ENG-72-MF-13 0019-AL - V01.0.xlsx
~$ENG-72-MF-11 0139-AL - V00.2.xlsx
Reply_ENG_06_RF_110244_AL_01.0_Signed.pdf
eng_40_dw_610066_es_v03_0.pdf


#5
ITAR_D_2F9EBK
ITAR D_2F9EBK
_2F9EBK_
PCR-M158_supporting_document__14-L1_CW_g_2F9EBK_v1_0.pdf
PCR-M158_supporting_document__TP_doors_r_2F9EBK_v1_0.pdf

#6
6315-CL-LR-0300 Crane Spec v01.pdf

#7
SDR 94PCR390 SIC rooms in Diagnostic Bldg jm.xlsx

#8
A17 - MF 11-0105 v01.0 - PCR309_B14_B2-B1-L1-L2-L3-L4-L5.3dxml


#9
IO-_21_IS-_2X3FZD_04.0.pdf
IO-_21_IS_2X3FZD_04.0.pdf

#10
ITAR_LI_131203_RFI_DN29_NOM-09012014_BLR-14012014.xlsx


etc....
j'ai environ 4 fichiers de 1600 lignes chacun !!
Mon but étant d’étoffer mes motifs au fur et a mesure que j'identifie des ref non taguées (et en évitant les faux positifs !!)

C'est pour cela que je chercher un moyen d'identifier un motif séparé par certains caractères, et qu'une fois identifié le résultat soit donné sans ces caractères de séparation!
Ex:
IO-_21_DRW_348YPJ_- V01.0.xlsx >> motif [0-9]{2}[-_ #]{1,2}[A-Z]{3}[-_ ]([A-Z]|[0-9]){6}_ >> Résultat "21DRW348YPJ"
IO- 21#DRW-348YPJ_- V01.0.xlsx >> motif [0-9]{2}[-_ #]{1,2}[A-Z]{3}[-_ ]([A-Z]|[0-9]){6}_ >> Résultat "21DRW348YPJ"


J'ai vu des truc REGEX "Assertion avant positive" negative, arriere..etc mais je ne sais pas si cela peut répondre à mon besoin et comment cela marche. Je n'ai pas trouvé bcp d'exemples a ce sujet.
Est ce que ces Assertions peuvent être mis ou on veut ? autant de fois que l'on veut dans un même motif ?

Voila,
Merci.