Discussion :

[tepaze]

Bonjour,
Je débute en bash, et j'aimerais remplacer des occurrences dans une chaine, et les mettre au format voulu... Mais voilà, je n'y arrive pas.

En bref, j'ai une chaine de caractère qui ressemble à ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
LOT 123 A
€      12.3456

et j'aimerais obtenir 2 variables formatées ainsi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
123A
123456

J'ai essayé plusieurs choses, mais à vrai dire rien de structuré ou présentable

Par avance merci

[N_BaH]

Bonjour,

j'aimerais obtenir 2 variables formatées ainsi

pourquoi ?
quelle est la "logique" d'une telle transformation ?
d'où vient cette chaîne ? comment est-elle "fournie" au script ?

[tepaze]

Bonjour N_Bah,

Voici mes réponses à tes questions :

pourquoi ?

1/ Pour qu'au moins la 1ere variable soit exploitable par la suite dans le script (vérification d'existance de fichier à partir de celle ci)
2/ Pour savoir le faire ensuite et ne plus reposer la question

quelle est la "logique" d'une telle transformation ?

Elle m'est nécessaire pour rechercher un fichier à partir de celle ci

d'où vient cette chaîne ? comment est-elle "fournie" au script ?

Elle est issue d'une reconnaissance OCR. Je peux éventuellement supprimer la chaine "LOT" du l'exemple fournit, mais il me faut un resultat sans espace et sans point...

Bien à toi

[N_BaH]

tu n'as pas compris mes questions, je ne cherche pas les justifications pour effectuer cette transformation, mais les critères de celle-ci : c'est-à-dire quels éléments doivent disparaître, pourquoi (leur emplacement, leur valeur...?)

donc, "LOT" ne doit pas apparaître dans le résultat, mais, apparemment, "€" non plus !? pourquoi ?

[tepaze]

Ok,

L'exemple que je fourni dans le 1er post est emblématique de la transformation.

J'obtiens toujours une chaine composée comme suit :
1/ Le mot LOT suivi d'une serie de 1 à 3 chiffres et d'éventuellement d'une lettre à la suite.
Très souvent un retour à la ligne
2/ Un symbole de monnaie (€, $) suivi d'une série d'espace et d'une série de chiffre dont les milliers sont parfois séparé par un point (.)

Cette ensemble de caractères doit être transformé en 2 sous ensembles afin d'être exploitable :
1/ Une serie de 1 à 3 chiffres sous forme de nombre, ayant eventuellement une lettre accolé
2/ Une serie de chiffre sous forme de nombre uniquement pour la seconde

J'espere avoir été plus clair ?

PS : je le faisais précedement en php, ce qui ne convient plus, et cela ressemblait à cela :

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
if ( $r *1 >= 0 ) return preg_replace('/\./', '', $r);
$r = preg_split('/[\n\r]/', $r);
$res = array();
  foreach ($r as $key => $value) {
    if ( trim($value) !== '' ){
      array_push($res, $value);
    }
  }
  foreach ($res as $key => $value) {
    $lot = preg_match("/(#|lot|Lot|LOT|LQT)(\s|\s+)?([0-9]{1,3}[a-zA-Z]{0,1})/", $value, $l);
    if ($lot == 1) break;
  }
  $eu = -1;
  foreach ($res as $key => $value) {
    $euro = preg_match("/(€|EUR|EURO)(\s|\s+)?([0-9\.]+)/", $value, $e);
    if ($euro == 1) {
      $eu = preg_replace('/\./', '', $e[count($e)-1]);
      if  ( trim($eu)== "" || is_bool($eu) ) $eu = -1;
      break;
    }
  }
  ...
}

Merci

[N_BaH]

la sortie de la commande OCR ne comporte qu'une ou deux lignes ?
si il n'y a qu'une ligne, le "prix" est-il toujours présent ?

[tepaze]

une ou deux lignes ?
...
le "prix" est-il toujours présent ?

Cela dépend... Parfois il n'y a qu'une ligne, parfois 2, parfois avec un prix, parfois sans...

C'est variable...

[N_BaH]

ouais c'est la fête quoi

a priori :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
cmdOCR | while read -r line
do
   : des tests sur la valeur en début de ligne, peut-être.
   IFS=' .' read -r a b c
   echo "$b$c"
done

c'est très sommaire, il faudra affiner.

[tepaze]

ouais c'est la fête quoi

Eh Oui...

C'est tout ?? Je m'attendais à un gros pavé

Bon, je m'en vais décortiquer cela

Merci N_BaH

[disedorgue]

Bonjour,

ouais c'est la fête quoi

a priori :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
cmdOCR | while read -r line
do
   : des tests sur la valeur en début de ligne, peut-être.
   IFS=' .' read -r a b c
   echo "$b$c"
done

c'est très sommaire, il faudra affiner.

Je ne comprends pas tout, 2 read et on tu n'en exploites qu'un seul ???

[tepaze]

Bon, je reviens car ca ne va pas...

Je pense qu'il me faut procéder autrement...

peux t on utiliser les expression rationnel pour le remplacement ou la detection à l'image de ce que font preg_replace et preg_match ?

[disedorgue]

Oui,a l'origine, les regex php sont les mêmes que perl mais si tu n'as que ça à faire, la commande sed devrait être suffisante.

[tepaze]

Ok,

Je n'ai que cela à faire effectivement, je vais donc voir du cote de sed.

Peux tu me montrer la syntaxe pour mon exemple afin que je puisse l'appliquer au reste de mon script par la suite ?

Par exemple extraire 123A de la chaine "LOT 123 A" ?

[N_BaH]

'oublié des trucs

Code bash :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
cmdOCR | while read -r line
do
   : des tests sur la valeur en début de ligne, peut-être.
   IFS=' .' read -r a b c <<< "$line" # à cause des tests éventuels, mais on pourrait aussi le mettre immédiatement après le while (à la place du premier read)
   echo "$b$c"
done

bash sait aussi gérer des regex avec l'opérateur =~ entre double crochets ([[ $string =~ $regex ]]) et le tableau BASH_REMATCH

[disedorgue]

La commande sed pour l'exemple complet en prenant en compte tes regex_match, mais je ne comprends pas le '#' dans la partie "lot" et le premier "?" (que j'ai remplacer par le symbole '€' :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

cmdOCR | sed -r 's/(#|lot|Lot|LOT|LQT)(\s|\s+)?([0-9]{1,3}[a-zA-Z]{0,1}) /\3/;s/(€|EUR|EURO)(\s|\s+)?([0-9\.]+)/\3/;s/\.//g'

ici, il y a 3 commande sed:

s/(#|lot|Lot|LOT|LQT)(\s|\s+)?([0-9]{1,3}[a-zA-Z]{0,1}) /\3/
s/(€|EUR|EURO)(\s|\s+)?([0-9\.]+)/\3/
s/\.//g

L'option '-r' est spécifique gnu sed qui permet d'avoir une syntaxe proche du moteur de regex perl.

Ce qui donne:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
$ echo -e "LOT 123 A\n€\t   123.456" | sed -r 's/(#|lot|Lot|LOT|LQT)(\s|\s+)?([0-9]{1,3}[a-zA-Z]{0,1}) /\3/;s/(€|EUR|EURO)(\s|\s+)?([0-9\.]+)/\3/;s/\.//g'
123A
123456

[tepaze]

Cool !!

Merci à vous 2, avec ceci, je vais avoir de quoi faire.

Je bosse tout ça et reviens si besoin. Encore merci.

[Flodelarab]

Bonjour,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
]$ echo -e "LOT 123 A\n€\t   123.456" | sed ':z;s/^[^0-9]\|[^0-9A-Z]//g;tz'
123A
123456

[disedorgue]

Oui, il est vrai qu'il y avait plus simple en regex mais j'ai volontairement essayé de conserver celle de son php pour la compréhension, sinon en plus court:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
$ echo -e "LOT 123 A\n€\t   123.456" | sed 's/^[^0-9]*\|[\t .]//g'
123A
123456

[Plugpack]

Salut,

Si cela peut t'aider, dans le cas où tes chaînes sont bien identifiées, voici un morceau de code que tu peux utiliser :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
#NR%2 = modulo 2 soit une ligne sur deux
cat log | awk -F" " 'NR%2==0{print $2} NR%2==1{print $2$3}'

dans le cas où le fichier se présente ainsi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
LOT 123 A ezaeae
€	   123.456 aeeaze
LOT 123 A ee
€	   123.456 aeaze
LOT 123 A geg
€	   123.456 aeaez
LOT 123 A fezf
€	   123.456 aazeae