Discussion :

[TheMoustic]

Bonsoir à toutes et à tous !

Je sollicite votre aide pour écrire le pattern d'une regexp en VBA Excel.

J'ai une chaîne du type :

Lorem ipsum dolor sit amet, [a]consectetur adipiscing[/a] elit, sed do eiusmod [d]tempor[/d] incididunt ut labore et dolore magna aliqua. Ut enim ad [a]minim[/a] veniam...

Je souhaite récupérer le contenu entre chaque balise via une seule regexp. En bouclant sur les résultats de la regexp on devrait un avoir un truc du genre :

$0 = [a]consectetur adipiscing[/a] (avec comme sous-motif "a", "consectetur adipiscing", "[/a]")
$1 = [d]tempor[/d]
$2 = [a]minim[/a]

J'ai essayé ce pattern :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

reg.Pattern = "\[(\w*)\](.*)(\[/\1\])"

Mais il me renvoit ça :

[a]consectetur adipiscing[/a] elit, sed do eiusmod [d]tempor[/d] incididunt ut labore et dolore magna aliqua. Ut enim ad [a]minim[/a]

J'ai donc essayé d'exclure le motif de fermeture de la balise :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

reg.Pattern = "\[(\w*)\]([.^(\[/1\])]*)(\[/\1\])"

Mais ça ne fonctionne pas...

Des idées ?

D'avance merci

[mercatog]

Le pattern "(\[\w+\])(\w*\s*\w*)(\[\/\w+\])"

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
Function Extr(ByVal Tmp As String) As String
Dim Rg As Object, MT As Object, M As Object
Dim T As String
 
Set Rg = CreateObject("vbscript.regexp")
With Rg
    .IgnoreCase = True
    .Global = True
    .Pattern = "(\[\w+\])(\w*\s*\w*)(\[\/\w+\])"
    If .Test(Tmp) Then
        Set MT = .Execute(Tmp)
        For Each M In MT
            T = T & ";" & M.Value               'Ici avec balises
            'T = T & ";" & M.SubMatches(1)      'Tu peux en faire ce que tu veux
        Next M
    End If
End With
Set Rg = Nothing
If Len(T) > 0 Then Extr = Mid(T, 2)
End Function

[davido84]

Autre pattern à tester à partir de la fonction proposée par mercatog :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

.Pattern = "\[\w].+?\[/\w]"

A+

[mercatog]

+1 davido84

+100 même s'il veut le résultat avec balises

[patricktoulon]

bien vu a tout les deux

[TheMoustic]

Merci beaucoup !!

J'ai opté pour ce code d'une simplicité déconcertante :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

reg.Pattern = "(\[\w*])(.+?)(\[/\w*])"

Mais je ne comprends pas cette partie :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

.+?

[patricktoulon]

bonsoir

http://cafeine.developpez.com/access/tutoriel/regexp/
chapitre c5

[davido84]

Bonsoir et le salut à mercatog et Patrick,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

reg.Pattern = "(\[\w*])(.+?)(\[/\w*])"

Les parenthèse me semblent inutiles vu que tu n'as apparemment pas besoin de capturer des chaînes spécifiques.
Si toutefois tu ne veux pas capturer les balises :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

.Pattern = "\[\w](.+?)\[/\w]"

et utiliser les SubMatches

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
For Each M In MT    
    'T = T & ";" & M.Value  'avec balises
    T = T & ";" & M.SubMatches(0) 'sans balise
Next M

De plus l'utilisation du "*" ne te sert à rien vu que tu as toujours un digit dans ton exemple (a ou d).

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

.+?

le "." équivaut à tout caractère excepté le retour à la ligne.
Le "+" est un quantificateur qui veut dire 1 ou plusieurs caractères.
Donc ".+" te ramène l'ensemble des caractères situés entre la balise entrante et la balise sortante.
Mais il faut avoir à l'esprit qu'un quantificateur est gourmand par défaut.
Donc en l'état le pattern te ramènera toute la chaîne située entre la première balise entrante et la dernière balise sortante.
L'utilisation du point d'interrogation te permet d'indiquer que tu veux arrêter la capture à chaque balise sortante qui se présente.

Donc si tu as

Lorem ipsum dolor sit amet, [a]consectetur adipiscing[/a] elit, sed do eiusmod [d]tempor[/d] incididunt ut labore et dolore magna aliqua. Ut enim ad [a]minim[/a] veniam...

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

.Pattern = "\[\w].+\[/\w]"

te ramènera

[a]consectetur adipiscing[/a] elit, sed do eiusmod [d]tempor[/d] incididunt ut labore et dolore magna aliqua. Ut enim ad [a]minim[/a]

tandis que

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

.Pattern = "\[\w].+?\[/\w]"

te ramènera
[a]consectetur adipiscing[/a]
[d]tempor[/d]
[a]minim[/a]

A+

[TheMoustic]

Merci beaucoup pour les explications. Pour les parenthèses j'ai besoin de récupérer les balises et le contenu. J'ai également rajouté * après la classe word (que j'ai modifié en + pour être plus correct même si dans mon cas ça ne changera rien) car dans mon exemple mes balises n'ont qu'une lettre mais ça n'est pas toujours le cas (j'aurais dû le préciser, mea culpa). Mais pour le reste du code pas de soucis, seul le pattern me posait problème.

Je n'avais pas fait attention la première fois, mais pourquoi le crochet fermant des balises n'est-il pas échappé ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

reg.Pattern = "(\[\w+])(.+?)(\[/\w+])"

Je comprends mieux le pattern mais j'ai toujours un peu de mal. D'après tes explications davido84, on dirait que le ? est le quantificateur de la balise fermante (alors que le quantificateur se place après le motif concerné non ?).

Au début en lisant le code, voilà ce que je comprenais : tout caractère (sauf \n) répété 1 ou plusieurs fois, répété 0 ou 1 fois. Tu comprends pourquoi je bug ?

[patricktoulon]

re
bonjour si il est échappé ce qui est en bleu est valable pour tout ce qui suit car tout est dans la parenthèse et non dans le crochet
"(\[\w+])

[davido84]

Je n'avais pas fait attention la première fois, mais pourquoi le crochet fermant des balises n'est-il pas échappé ?

L'outil RegExp adapté pour Visual Basic considère 12 métacaractères (je ne parle pas des caractères de saut de page, retour chariot, tabulation, etc.) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

\^$.|?*+()[{

Le crochet fermant n'en fait pas partie donc il n'a pas besoin d'être échappé.

D'après tes explications davido84, on dirait que le ? est le quantificateur de la balise fermante (alors que le quantificateur se place après le motif concerné non ?).

Le ? est en lien avec ".+" et non avec la balise fermante. il indique au pattern de capturer tous les caractères qui précèdent la première balise sortante qu'il détecte. S'il n'y avait pas le ? le pattern capturerait tout ce qui se trouve entre la première balise entrante et la dernière balise sortante, tandis que grâce au "?" la recherche est stoppée au dernier caractère qui précède la première balise sortante trouvée.
Une fois cette correspondance trouvée la recherche reprend et va chercher la deuxième puis la troisième correspondance.

A+

[TheMoustic]

Ahh okay je pense que j'ai compris. D'une manière générale si "?" suit un quantificateur ça veut dire que le motif suivant le "?" est une sorte de point d'arrêt c'est ça ?

[davido84]

Cela veut dire qu'un opérateur gourmand va rechercher la plus grande correspondance possible tandis qu'un opérateur non gourmand (utilisation du "?") s'arrêtera à la première correspondance trouvée, la prendra en compte, puis continuera le traitement de la chaîne, trouvera une deuxième correspondance, etc (dans ton exemple il trouvera 3 correspondances).
A+

[TheMoustic]

Merci beaucoup pour les explications