Discussion :

[Bktero]

Bonjour,

Je viens de lire une bonne partie du howto sur les regexp de Python 2.7 et j'ai une question pour vous.

En lisant un fichier, je dois vérifier que les lignes sont semblables à celle-ci AA;03;64;B5;12;02;02;FE;98;, c'est à dire une alternance de nombres hexadécimaux sur 2 digits, séparés par des ; (point-virgules).

Pour simplifier, je commence par des nombres décimaux et j'ai fait le code suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
>>> print re.findall( re.compile(r"(\d{2};)+"), "12;34;56;")
['56;']
>>> print re.match( re.compile(r"(\d{2};)+"), "12;34;56;")
<_sre.SRE_Match object at 0x011D2EA0>

Je suis OK sur le résultat du match, ma chaîne étant bien de la forme attendue. Je suis en revanche plus étonné du résultat de findall. Je m'attendais à obtenir la chaine entière, voire une combinaison de morceaux de la chaine genre ['56;'], ['34;56;'].

Plusieurs possibilités :

1. mon expression régulière ne fait pas ce que je veux
2. je n'ai pas compris le fonctionnement de findall
3. autre possibilité ^^

Je fais appel à votre savoir pour savoir quelle possibilité est la bonne. Merci d'avance

[fred1599]

Il faut enlever les parenthèses capturantes

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
re.findall( re.compile(r"\d{2};+"), "12;34;56")
# ['12;', '34;'] --> a chaque élément trouvé il va l'ajouter dans la liste

Pour avoir l'équivalent de re.match

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

''.join(re.findall( re.compile(r"\d{2};+"), "12;34;56"))

[Bktero]

Le résultat de match() me convient, voici par exemple un test supplémentaire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
>>> import re
>>> m = re.match( re.compile(r"(\d{2};)+"), "12;34;56;")
>>> print m.group()
12;34;56;

Enlever les parenthèses capturantes ne me convient pas. En effet, je veux vérifier que la chaine est bien une répétition de mon motif en parenthèses. Je ne cherche pas à construire avec findall() la chaine obtenue par match() / group(). Le code suivant montre que ce n'est pas la solution à mon problème :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
>>> re.findall( re.compile(r"\d{2};+"), "12;;;;34;;;;;56;;;")
['12;;;;', '34;;;;;', '56;;;']

Ma question est en fait d'expliquer la différence entre les 2 commandes suivantes :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
>>> re.match( re.compile(r"(\d{2};)+"), "12;34;56;").group()
'12;34;56;'
>>> re.findall( re.compile(r"(\d{2};)+"), "12;34;56;")
['56;']

Pourquoi n'obtient-on pas le même résultat ?

[fred1599]

Pourquoi n'obtient-on pas le même résultat ?

Tout simplement parce-que c'est deux fonctions font deux choses bien distinctes, il est donc difficile de les comparer.

Si tu veux comparer match() avec search() ou findall() avec finditer() ça sera beaucoup plus simple.

findall() retourne toutes (plusieurs fois) les sous-chaines de ta chaîne de caractères correspondant au pattern.

match() retourne juste l'occurence recherchée et à partir du début de la chaîne de caractères.

search() quand à lui fait comme match() et aussi à partir de n'importe quelle position dans la chaîne

Voilà je sais pas si c'est plus clair,

[mont29]

le motif recherché est celui-ci*:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

"\d{2};"

En effet, comme le dit fred, findall effectue un search répétitif à partir de la position atteinte lors du dernier search… Inutile donc de préciser qu’il peut y avoir plusieurs fois le même motif.

Au contraire, + étant glouton (c-à-d qu’il “avale” autant de caractères que possible), le motif "(\d{2};⁠)+" “mangera” à chaque itération autant de groupes "AB;" que possible –*dans ton exemple, tout le "12;34;56;", exactement comme le fait match.

Seul le dernier nombre est retourné car, lorsqu’il y en a, findall ne renvoie que le contenu des parenthèses capturantes, et pas l’ensemble matché… Et dans le cas d’une parenthèse capturante pouvant être répétée plusieurs fois (comme c’est le cas avec "(\d{2};⁠)+"), seule la dernière occurence est réellement capturée…

Subtilités des regex, pas forcément évident à saisir du premier coup*!

[Bktero]

Tssssss !

Merci le howto sur les regexp pas super précis :

Two pattern methods return all of the matches for a pattern. findall() returns a list of matching strings:

Ce n'est pas tout à fait exact, si on compare à ce que dit la documentation de la classe RE :

re.findall(pattern, string, flags=0)
Return all non-overlapping matches of pattern in string, as a list of strings. The string is scanned left-to-right, and matches are returned in the order found.

Tout est dans le over-lapping. Voir ce code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
>>> re.findall( re.compile(r"(\d{2};)+"), "12; et plus loin 34;;56;")
['12;', '34;', '56;']

En prenant la documentation de match cette fois :

re.match(pattern, string, flags=0)
If zero or more characters at the beginning of string match the regular expression pattern, return a corresponding MatchObject instance.

Pour exemples :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
>>> re.match( re.compile(r"(\d{2};)+"), "12;34;56; mais ca match() s'en fiche").group()
'12;34;56;'
>>> print re.match( re.compile(r"(\d{2};)+"), "et non ! 12;34;56;")
None

En espérant que cela vous a été aussi instructif qu'à moi ^^

Merci de vous être penchés sur mon problème, je marque comme résolu.