Discussion :

[billybobbonnet]

Salut à tous,

J'ai un soucis avec un regex qui marche parfaitement dans les simulateurs regex .net (http://regexhero.net/tester/) mais qui ne lève aucun match lorsqu'il est exécuté.

Je vous donne le regex, et un exemple de contenu. Le contenu est issu du Wiktionnaire, j'essaie d'automatiser l'extraction d'info dans une page. Concrètement, je veux extraire toutes les sections commençant par === {{

Exemple sans le contenu de la section:
=== {{S|nom|en}} ===

Le regex:

Code VB :

Sélectionner tout - Visualiser dans une fenêtre à part

 Dim GrammarTagExtractor As Regex = New Regex("{{S\|([^}]*?)}} ===?[^=](.*?)((?<!==)===?[^=]|$)", RegexOptions.Compiled And RegexOptions.Singleline)

L'exemple de contenu

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
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
 
 
== {{langue|fr}} ==
 
=== {{S|étymologie}} ===
: {{siècle|XX}} Du {{étyl|ja|fr|漫画|manga|dessin sans but}}.
 
=== {{S|nom|fr}} ===
{{fr-rég|mɑ̃.ɡa}}
'''manga''' {{pron|mɑ̃.ɡa|fr}} {{m}}
# {{littérature|fr}} [[bande dessinée|Bande dessinée]] [[japonais]]e, souvent en noir et blanc.
#* ''Au pays du Soleil-Levant, les '''mangas''' sont bien plus importants que les BD ne peuvent l’être en France.''
# Style, stéréotypes et règles implicites de la bande dessinée japonaise.
#* ''Certaines caractéristiques du '''manga''' proviennent de l’influence des films de Walt Disney sur Osamu Tezuka.''
# Dessin animé japonais. [[anime#fr|Anime]].
#* ''Hier soir, juste au moment où j’allais me coucher, je suis tombée sur un programme télévisé, un '''manga''' plus précisément qui m’a emmené loin de mes tracas du quotidien.'' {{source|Carole Luna, ''Témoignage d’une femme Ã* bout de force'', 2008}}
 
===== {{S|note}} =====
: Le mot ''manga'' a aussi été considéré comme féminin, mais l’usage tend Ã* préférer le masculin.
 
==== {{S|dérivés}} ====
* [[mangaka]]
 
==== {{S|hyperonymes}} ====
* [[bande dessinée]]
 
==== {{S|hyponymes}} ====
* [[josei‎]] {{term|pour femme}}
* [[redikomi]] {{term|pour femme}}
* [[seinen]] {{term|pour homme}}
* [[shōjo]] {{term|pour fille}}
* [[shōnen]] {{term|pour garçon}}
 
==== {{S|traductions}} ====
{{trad-début|Bande dessinée japonaise}}
* {{T|en}} : {{trad+|en|manga}}
* {{T|ko}} : {{trad+|ko|만화|tr=manhwa}}
* {{T|eo}} : {{trad-|eo|mangao}}
* {{T|ja}} : {{trad+|ja|漫画|tr=manga}}
* {{T|sv}} : {{trad+|sv|manga}}
{{trad-fin}}
 
=== {{S|prononciation}} ===
* {{pron-rég|lang=fr|France|mɑ̃.ɡa|fr}}
* {{pron-rég|lang=fr|Canada {{standard|nocat=1}}|maŋ.ɡa|fr}}
* {{pron-rég|lang=fr|Canada {{popu|nocat=1}}|maŋ.ɡɔ|fr}}
 
=== {{S|anagrammes}} ===
* [[magna]]
 
=== {{S|voir aussi}} ===
* {{WP}}
 
== {{langue|en}} ==
 
=== {{S|étymologie}} ===
: Du {{étyl|ja|en|漫画|manga}}.
 
=== {{S|nom|en}} ===
{{en-nom-rég|ˈmæŋ.ɡə}}
'''manga''' {{pron|ˈmæŋ.ɡə|en}}
# [[manga#fr|Manga]].
 
== {{langue|es}} ==
 
=== {{S|étymologie}} ===
: ''(Nom commun 1)'' Du {{étyl|la|es|manica}}.
: ''(Nom commun 2)'' Du {{étyl|ja|es|漫画|manga}}.
 
=== {{S|nom|es|num=1}} ===
{{es-reg-voy|ˈmaŋ.ɡa}}
'''manga''' {{pron|ˈmaŋ.ɡa|es}} {{f}}
# [[manche|Manche]].
 
=== {{S|nom|es|num=2}} ===
'''manga''' {{pron|ˈmaŋ.ɡa|es}} {{f}}
# [[#fr|Manga]].
 
== {{langue|pap}} ==
 
=== {{S|étymologie}} ===
: Du {{étyl|la|pap|manica||manche d’un vêtement}}.
 
=== {{S|nom|pap}} ===
'''manga''' {{pron||pap}} {{f}}
# [[rocher|Rocher]].
# [[manche|Manche]].
 
== {{langue|pt}} ==
 
=== {{S|étymologie}} ===
: ''(Nom commun 1)'' Du {{étyl|la|pt|manica}}.
: ''(Nom commun 2)'' Du {{étyl|ms|pt|mangga}}.
 
=== {{S|nom|pt|num=1}} ===
{{pt-rég|}}
'''manga''' {{pron||pt}} {{f}}
# {{vêtement|pt}} [[manche#fr|Manche]].

J'ai 14 matches dans le testeur, et aucun dans mon code. Je ne pige vraiment pas où est le problème. Est-ce que quelqu'un a une idée?

EDIT: j'ai utilisé 3 testeurs différents. Celui-ci me renvoie une erreur mais sans explication: http://www.regexplanet.com/advanced/dotnet/index.html

[billybobbonnet]

Je prends tout ce qui peux m'aider. Si quelqu'un a un autre moyen de l'écrire (par exple sans lookbehind) ou une idée de piste à suivre pour contourner le problème, je suis preneur

Merci par avance

[billybobbonnet]

J'ai fait une autre version du regex qui marche online mais pas dans mon code:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

((?<=(\n))=== {{)(.*?)((\n)((?=(== {{))|(?=(=== {{)))|$)

Quelques questions:

- Y a t il une limitation au nombre de regex (compilés ou non) utilisables en simultané(j'en ai une vingtaine)?
- Pour ce type de tâche, est-ce qu'il serait plus pertinent de parser chaque char de ma string à la place du regex (oui j'en suis là )
- Il y a des limitations au nombre de lookbehind et lookahead qu'on peut utiliser dans un même regex?

[CosmoKnacki]

Je pense que le problème vient de l'opérateur And que tu as mis à la place de Or pour les RegexOptions ce qui fait que le mode Singleline n'est pas pris en compte et donc .*? ne passe pas les LF.

Maintenant tu dois pouvoir améliorer les performances en utilisant:

• soit une approche très basique du type:

  Code :

  Sélectionner tout - Visualiser dans une fenêtre à part

  ^=== {{.*?(?=^=== {{|\z)

  avec les options Multiline et Singleline.
• soit une approche plus controlée qui tente de parcourir la plus grande distance possible sans avoir recours aux quantificateurs paresseux:

  Code :

  Sélectionner tout - Visualiser dans une fenêtre à part

  ^=== {{.*\n(?>^[^=]+(?!^).*\n?|^=(?!== {{).*\n?)*

  avec l'option Multiline uniquement.

À tester.

[billybobbonnet]

Super, merci pour cette réponse. Ca marche parfaitement maintenant

Sujet clos.