Discussion :

[Guest007]

Bonjour,

je rencontre un problème lorsque j'essaye de parser un texte avec des caractères invisibles. Je n'arrive pas à trouver la bonne combinaison afin de récupérer mes éléments avec les caractères invisibles à la fin.

Voici le texte en question :

Le Lorem Ipsum !\r\rest simplement du faux texte employé !\rdans la composition ! \r et la mise en page avant impression. \r";

Mon caractère séparateur est "!" suivi des caractères invisibles. Voici donc ce que j'aimerais récupérer :

Le Lorem Ipsum !\r\r

est simplement du faux texte employé !\r

dans la composition ! \r

et la mise en page avant impression. \r";

Je dois absolument utiliser des regex. Malheureusement je ne suis pas parvenu au résultat attendu ni avec la fonction Matches() ni avec la fonction Split().

Merci de votre aide.

Cordialement.

[chrismonoye]

Bonsoir,
sauf erreur, Split ne récupère pas le caractère ou la chaîne qu'on lui donne comme séparateur et encore moins, ce qui suit ce séparateur.
Pour ma part, je chercherais à capturer les groupes qui correspondent à mon modèle.
Ici : une chaine faite d'une suite de caractères (1 ou plus) et pouvant comprendre aussi des espaces et des caractères de ponctuation (0 ou plus) : (\w+\s*\p{P}*)+
Suivi de 0 ou plusieurs point d’exclamation ou espace : !*\s*
Et enfin au moins un retour à la ligne : \r+
Un point d’arrêt sur le foreach pour visualiser la variable txtx semble donner le résultat escompté :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

        string txt = "Le Lorem Ipsum !\r\rest simplement du faux texte employé !\rdans la composition ! \r et la mise en page avant impression. \r";

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
            Regex myRegex = new Regex(@"(\w+\s*\p{P}*)+!*\s*\r+");
 
            MatchCollection matches = myRegex.Matches(txt);
 
            // Report the number of matches found.
            Console.WriteLine("{0} matches found in :\n   {1}", matches.Count, txt);
 
            // Report on each match.
            foreach (Match match in matches)
            {
                string txtx = match.Value;
                Console.WriteLine("*{0}*", match.Value);
            }

A voir.

[Guest007]

Un grand merci pour ta réponse.

J'ai essayé d'aller plus loin en suivant ta logique, malheureusement j'ai encore quelques difficultés à obtenir le résultat escompté.

Tout d'abord voici le nouveau texte servant d'exemple :

---Lorem ipsum dolor sit amet, consectetur adipiscing elit. Mauris euismod : tristiquetellus non egestas; Pellentesque fermentum lectus orci ! A dictum nunc placerat sed ? Quisque eget felis in lacus \rcursus posuere\r\r Aliquam venenatis\r nisi vitae dictum pharetra. ---Vivamus semper dolor quam, pellent.esque hendrerit sapien blandit ut. \r\r\r\rCras sem massa, tempor sit amet nunc id, condimentum facilisis augue... \rhttps://www.google.com dictum nunc placerat sed

Dans ma version finale, le parsing est vraiment complexe... Je résume le tout :

• 1) J'ai ajouté 4 autres séparateurs dans ce nouveau texte ":" ";" "!" "?" et "\r"
• 2) Lorsqu'un séparateur est détecté, les caractères invisibles qui suivent doivent faire parti du match.
• 3) Il est aussi possible de spliter avec "." seulement si il est suivit d'un caractère invisible.
• 4) De plus, si on splite avec les deux-points ":" on doit vérifier qu'il ne s'agit pas d'une url pour ne pas le couper.

Voici donc à quoi devrait ressembler le résultat final :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
---Lorem ipsum dolor sit amet, consectetur adipiscing elit. 
Mauris euismod  : 
tristiquetellus non egestas; 
Pellentesque fermentum lectus orci ! 
A dictum nunc placerat sed ? 
Quisque eget felis in lacus \r
cursus posuere\r\r 
Aliquam venenatis\r
nisi vitae dictum pharetra.     \r
---Vivamus semper dolor quam, pellent.esque hendrerit sapien blandit ut.  \r\r\r\r
Cras sem massa, tempor sit amet nunc id, condimentum facilisis augue...  \r
https://www.google.com dictum nunc placerat sed

Et en reprenant ta regex, je bloque sur la première phase lorsque je tente de matcher sans prendre en compte :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Regex r = new Regex(@"(\S*\w+\s*\p{P}*)+[;:!?]\s*");