Discussion :

[mimihh]

Bonjour,



j'ai besoin d'un programme java permettant d'extraire les titres et les sous titres d'un fichier texte. J'ai eu l'idée de construire des patrons pour les numérotation et les chiffres romains mais j'ai pas reçu quelqu'un peux m'aider ou me proposer une autre idée permettant de détecter les titres des différentes sections de mon texte.

[tchize_]

Tu n'a pas reçu quoi?

Quel type de fichier texte?
Il y a quoi là dedans.

Extraire les titres, c'est vague.

[wax78]

Faudrait donner quelques exemples concret et exhaustifs du genre de texte peut être pour pouvoir t'aiguiller vers quelques choses du genre des regexp par exemple.

[Ceddoc]

Ton pattern commencera sûrement par quelque chose du genre

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

^[IVXMC]*

pour dire que la chaîne commence par des caractères romains. Ensuite il faut dire que tu attends n'importe quel caractère ou espace.

J'ai trouvé Cette page qui est sympa pour tester rapidement ses regex.

[mimihh]

Merci pour vos réponses
j'ai essayé l'expression que vous m'avez proposé elle marche bien pour les chiffres romains merci beaucoup Ceddoc

Tu n'a pas reçu quoi?

Quel type de fichier texte?
Il y a quoi là dedans.

Extraire les titres, c'est vague.

En fait, il s'agit des cours en format pdf dont je fais la conversion pour les transformer en fichier texte. Ces cours sont divisés en sections ou sous section je voulais détecter les numéros de ces sections ( des chiffres ou des chiffres romains) pour extraire la liste des titres se trouvant dans chaque fichier.

[tchize_]

Vu que c'est un PDF, pourquoi tu ne te base simplement pas sur le Style du texte? Je suppose que les polices des sections / sous sections ne sont pas les même que pour le contenu....

[thelvin]

j'ai essayé l'expression que vous m'avez proposé elle marche bien pour les chiffres romains merci beaucoup Ceddoc

Bien sûr elle marche aussi pour tout ce qui commence par un I, V, X, C ou M

[mimihh]

En utilisant cette expression les titres commençant par des chiffres romains sont extraits mais j'obtient aussi d'autres lignes qui ne contiennent pas ces chiffres je sais pas pourquoi?

Vu que c'est un PDF, pourquoi tu ne te base simplement pas sur le Style du texte? Je suppose que les polices des sections / sous sections ne sont pas les même que pour le contenu....

Et comment pourrais-je faire ça stp??

[thelvin]

En utilisant cette expression les titres commençant par des chiffres romains sont extraits mais j'obtient aussi d'autres lignes qui ne contiennent pas ces chiffres je sais pas pourquoi?

Bah je viens de le dire, juste au-dessus.
Cette expression prend tout ce qui commence par un I, V, X, C ou M.

Vu que c'est un PDF, pourquoi tu ne te base simplement pas sur le Style du texte? Je suppose que les polices des sections / sous sections ne sont pas les même que pour le contenu....

Et comment pourrais-je faire ça stp??

Avec une bibliothèque genre iText, et du travail.

Personnellement je suis pas convaincu que ce soit plus simple. Mais c'est plus sûr.

[mimihh]

En fait dans mon code je teste sur les lignes commençant par un chiffre romains suivi d'un "." ou un "-" ou un "/" ou une ")" mais ce programme me donne en output toutes les lignes commençant par un chiffre romain et celles qui commencent par un "-" je sais pas pourquoi

[thelvin]

Ok, dans ce cas il aurait fallu mettre un + au lieu d'une *
Le * autorise aussi "zéro chiffre romain." Le + exige "au moins un chiffre romain, et autant qu'on veut derrière."

[mimihh]

Super ça fonctionne bien merci beaucoup