Discussion :

[FabriceN]

Je cherche a extraire noms de fichier image + titres dans un gros fichier html.
C'est du sed en shellscript, mais bon, une regexp est une regexp :-)

voici l'expression à laquelle je suis parvenu, sur une courte chaine d'exemple, mais ça ne marche pas:
echo '(path/yac5cxfjm1.png)"></span><xxx><yyy>le titre</span>' | sed 's#/\([0-9a-z]*\).png)"></span>\([!>]*\)>\([!>]*\)>\([!<]*\)#@ FILE:\1 TITLE:\4/a%\n#g'

visiblement le probleme se situe au premier '>':
s#/\([0-9a-z]*\).png)"></span>\([!>]*\) matche mon exemple, mais pas
s#/\([0-9a-z]*\).png)"></span>\([!>]*\)>

une idee du soucis ?
(NB: c'est pas une question d'echappement de ! et > , j'ai déjà testé)
NB: j'en suis venu a matcher explicitement chaque <...> entre mes 2 champs visés (nom et titre), parceque \(.*\) essayé auparavant semble faire un match maximaliste et non minimaliste.

merci !

[CosmoKnacki]

C'est du sed en shellscript, mais bon, une regexp est une regexp :-)

C'est bien naïf! Déjà sed ne dispose pas juste de s/// pour faire des remplacements à l'aide d'une regex, mais d'une bonne quinzaine de commandes diverses et variées. D'autre part les regex PHP (tu es sur le forum PHP) et celles utilisées par sed sont quand même très différentes tant sur le point de la syntaxe, des possibilités que du comportement. À vrai dire tu aurais plutôt du poser ta question sur les sous-forums concernant les commandes shell.

Maintenant l'extraction de données à partir d'un langage structurée comme le html se fait avec un parser html, pas avec des regex. Si tu tiens à le faire via la ligne de commande, je te conseille d'utiliser xidel qui est un véritable couteau suisse, ou bien avec xmlint, sinon tu peux te tourner vers n'importe quel autre langage (dont PHP) qui te fournira le parser en question (en natif ou via un module).

[FabriceN]

merci pour ta réponse !

C'est bien naïf! Déjà sed ne dispose pas juste de s/// pour faire des remplacements à l'aide d'une regex, mais d'une bonne quinzaine de commandes diverses et variées.

S'il y a mieux comme approche avec sed, je suis toujours preneur ! :-)

D'autre part les regex PHP (tu es sur le forum PHP) et celles utilisées par sed sont quand même très différentes tant sur le point de la syntaxe, des possibilités que du comportement. À vrai dire tu aurais plutôt du poser ta question sur les sous-forums concernant les commandes shell.

Argh, google m'a mené ici, et je pensais n'utiliser que des regex bien standard (au detail pres de ce qui doit etre echappé ou non selon les idiomes).
Ok, je tente ma chance dans le forum shell, mais comme c'est pas spécialisé regex, ça risque de partir dans tout les sens.

Maintenant l'extraction de données à partir d'un langage structurée comme le html se fait avec un parser html, pas avec des regex. Si tu tiens à le faire via la ligne de commande, je te conseille d'utiliser xidel qui est un véritable couteau suisse, ou bien avec xmlint, sinon tu peux te tourner vers n'importe quel autre langage (dont PHP) qui te fournira le parser en question (en natif ou via un module).

Certes, mais ce cas précis (parser du html) je l'ai rarement, alors que bien comprendre sed et les regex m'est potentiellement utile dans 1001 autre cas. Je préfère bien maitriser qq outils plutot que devoir recourir a un nouvel outil a chaque nouveau probleme. Par ailleurs dans ce cas précis je compte diffuser le script a d'autres usagers qui en auraient le meme besoin (sur un site tiers qui a oublié de prévoir qu'on puisse vouloir faire des backup), donc mieux vaut que ça n'utilise que des outils deja présent en standard.

[FabriceN]

J'ai médi : ça a été promptement résolu dans le sous-forum shell, ici http://www.developpez.net/forums/d16...cher-2-champs/ . :-)