Discussion :

[krusty]

Bonjour,

j'ai un problème en utilisant les expressions régulières :

je cherche dans un texte des morceaux de phrase à l'aide d'expressions régulières.

Par exemple, je cherche des morceaux de phrases correspondant à l'expression régulière suivante :

(([A-Z][A-Za-z]+[ -]*)+) est mort à l'âge de ([0-9][0-9][0-9]?) ans

Voici un extrait de mon code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
 
		// creation de l'objet patron
		patronCourant = "(([A-Z][A-Za-z]+[ -]*)+) est mort à l'âge de ([0-9][0-9][0-9]?) ans";
		patron = Pattern.compile();
		detecteur = patron.matcher(phrases[i]);
		idMatch = 0;
		while(detecteur.find(idMatch))
		{
			// on recupere la partie matchee
			partieMatchee = detecteur.group();
			matchs.add(partieMatchee);
			idMatch = detecteur.start();
		} // fin while

Tout se passe très bien tant que le texte est en minuscule.
En revanche, si je tombe sur une suive de caractères en majuscules, le programme s'éfondre complètement. Il se met à ramer et met très longtemps à rechercher la présence de l'expression régulière dans la chaîne de caractères, même si celle-ci en fait que 1000 caractères.
En mode débug, il bloque sur la ligne :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

while(detecteur.find(idMatch))

Il ne s'agit pas d'une boucle infinie, il mets juste 3 ans à tester la présence de l'expression régulière dans la phrase.

Le but est de rechercher les occurrences de cette expression régulière dans des textes qui font plusieurs mégas : ce n'est donc pas envisageable, au niveau des temps de réponse, de continuer comme cela.
Quelqu'un peut-il me dire pourquoi le programme est-il si long quand il tombe sur des phrases en majuscules ?
Que puis-je faire pour résoudre ce problème ? (à notre que la casse est pour moi très importante : je ne peux donc aps passer tout le texte en minuscules)

Merci d'avance pour votre attention et pour votre aide.


Krusty.

[Xavinou]

Bonjour,

Tu peux essayer de développer un parser pour tes chaines de caractères avec javacc.

Je pense que les performances seraient meilleures car javacc te générera du code java spécifique à tes expressions régulières. Je dis ça mais j'ai jamais fait de tests de performances...

Si tu pars sur cette solution je serais intéressé par connaître le gain ;-)

Bonne chance.

[Xavinou]

Un autre idée (un peu bricolage) si ça marche bien avec du texte en minuscule :
- tu fais un premier test en mettant le texte en minuscule,
- si le texte en minuscule matche, alors tu refait le test en respectant la casse.
Ainsi ça te permet d'éliminer (rapidement ?) tous les textes dont tu es sûr qu'ils ne matchent pas.

[yizashi]

J'ai pas tout compris ton code, tu pourrais mettre le début de ton code aussi, ça aiderait.
Y'a une classe regex c'est ça que tu utilises?

[Gfx]

Essaye avec (([A-Z][A-Za-z]+[ -]*?)+?)

[krusty]

Essaye avec (([A-Z][A-Za-z]+[ -]*?)+?)

Cela ne fonctionne pas mieux, en même temps, je ne suis pas sûr que les ? apprortent une défférence (sauf dans le cas du + qui revient à le remplacer par une *).

- tu fais un premier test en mettant le texte en minuscule,
- si le texte en minuscule matche, alors tu refait le test en respectant la casse.

L'idée est pas mal mais j'ai besoin des majuscules pour délimiter entre autre le nom de la personne.
Je vais quand même essayer de tester cette méthode en matchant seulement une partie de l'expression régulière (celle qui n'a pas de majuscules).

J'ai pas tout compris ton code, tu pourrais mettre le début de ton code aussi, ça aiderait.
Y'a une classe regex c'est ça que tu utilises?

Il n'y a pas grand chose de plus au début si ce n'est la déclaration des variables.
patron est de type Pattern et detecteur de type Matcher.
Je n'utilise pas la classe regex (qui donne après test les mêmes problèmes).

Bonj
Tu peux essayer de développer un parser pour tes chaines de caractères avec javacc.
Je pense que les performances seraient meilleures car javacc te générera du code java spécifique à tes expressions régulières. Je dis ça mais j'ai jamais fait de tests de performances...
Si tu pars sur cette solution je serais intéressé par connaître le gain ;-)
Bonne chance.

Je en connais pas javacc ... je suis en train de regarder si cela peut correspondre à ce que je fais (mais j'ai pas encore bien pigé comment ça marche et à quoi ça sert) ... mais je continue à regarder ça.

Si quelqu'un à d'autres idées, je suis prenneur.

Merci à tous pour vos réponses.



Krusty.

[krusty]

re bonjour

j'ai d'autres infos sur le sujet.

Il semblerait que le problème ne vienne pas des majuscules car j'ai tout passé en minuscule et j'ai quand même trouvé un plantage.

En fait, le programme plante quand certaines expressions sont testés sur certaines phrases.

Voici un exemple que vous pourrez exécuter :

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
 
import java.util.regex.Matcher;
import java.util.regex.Pattern;
 
public class TestEreg 
{
	/**
         * @param args
         */
	public static void main(String[] args) 
	{
		String patronCourant = "(de ?)?(([a-z][a-z]+[ -]*)+) à l'âge de ([0-9][0-9][0-9]?) ans \\(";
		Pattern patron = Pattern.compile(patronCourant,	Pattern.CANON_EQ);
		String snippets = "toto est le petit frere de tata DDDDDDDDEEEEEEEHHHHHOOOOOOORRRRRRRSSSSSSS titi et tutu sont sur un bateau qui est mort à l'âge de 50 ans\n";
		snippets = snippets.toLowerCase();
		Matcher detecteur = patron.matcher(snippets.replaceAll("\\s", " "));
 
		while(detecteur.find()) // C EST LA QUE CA BLOQUE
		{
			// on recupere la partie matchee
			System.out.println("partie matchée = " + detecteur.group());
		} // fin while
	} // fin main
 
} // fin de la classe