Discussion :

[Obulle]

Bonjour à tous,

j'ai un problème relatif à l'utilisation des regexp dans Perl, plus précisément, concernant la récupération des valeurs de retour.
Je cherche à créer une expression régulière permettant de recueillir dans un tableau toutes les occurrences d'un même pattern dans chaque ligne d'un fichier texte multiligne.
Le format de mon fichier est du genre :

texte1/ttexte2/t("item1","item2")/t("item3","item1","item4","item5")/ttexte3/ttexte4/ttexte5/t("item2","item6")
texte6/t("item7","item8")/t("item9","item10")/ttexte8
etc
etc...

C'est donc une table de ligne (finies par /n) , contenant divers élément de texte séparés par des tabulations SAUF certains groupes de texte repérés par ("item1", ... ,"item n")

Ma requête semblera sûrement simple à beaucoup, mais je n'y arrive pas personnellement. Si vous aviez quelques suggestions, ce sera avec plaisir !
De mon côté j'ai essayé ceci, mais sans succès...

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
 
my @formats_spec;
open(FIC, "table_test.csv") || die("pas de fichier table_test !\n");
	my $ligne=<FIC>;
	chomp($ligne);
	my @data = split('\t',$ligne);
	$nb_item = @data;
	for (my $i=0; $i<$nb_item; $i++) {
		if ($data[$i] =~ m/^\(".+"\)$/) {
			@formats_spec = ( $data[$i] =~ m/[\(,](".[^"]+")+[,\)]/ );
			print "$i => ". join(' - ',@formats_spec) ."\n";
		}
	}

C'est au niveau de la ligne 10 que je cale. Les groupes d'items ne contenant qu'un caractère ne sont pas récupérés (pourtant je ne vois pas où mettre le fameux + pour mieux quantifier mon pattern...), et je ne récupère qu'un élément dans le meilleur des cas. Par exemple, si je fourni la ligne suivante dans mon fichier table_test.csv :

TEXT TEXT ("Y","N") ("Y","N") ("Y","N") ("EXP_only","CGH_only","both_EXP/CGH") ("MSI","MSS") ("Lynch","Sporadique","MSS","Doubt") TEXT NUMERIC ("wt","mut","doubt") ("wt","mut","doubt") ("wt","mut","doubt")

je n'obtiens que la sortie suivante :

2 =>
3 =>
4 =>
5 => "EXP_only"
6 => "MSI"
7 => "Lynch"
10 => "wt"
11 => "wt"
12 => "wt"

Quelqu'un oit il où est le "bug" ??

Merci d'avance pour votre aide précieuse.

Bonne journée à tous.

[Jasmine80]

Bonjour Obulle,


Il y a moyen de réécrire le code et de faire beaucoup plus concis, mais j'ai fait simple en repartant de la base que tu donnes

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
for (my $i=0; $i<$nb_item; $i++) { 
	if ($data[$i] =~ m/^\(".+"\)$/) {
		my ($formats_spec) = ( $data[$i] =~ m/[\(,](.*)[,\)]/ ); 
		$formats_spec =~ s/,/-/g ;
		print "$i => ".$formats_spec ."\n";
	}
}

le s///g permet de modifier le caractère , en -
=> le g permet d'agir sur toutes toutes les occurences

la sortie donne pour ta ligne 10

2 => "Y"-"N"
3 => "Y"-"N"
4 => "Y"-"N"
5 => "EXP_only"-"CGH_only"-"both_EXP/CGH"
7 => "wt"-"mut"-"doubt"
8 => "wt"-"mut"-"doubt"

Si j'ai bien compris ce que tu veux ... car ce n'était pas très clair

Cela répond-t-il à tes attentes ?

[Jasmine80]

je pense qu'il y a un problème dans le parcours du fichier, ... non ? ... mais là je pars vite prendre le bus ... suis rouillée en Perl, j'ai pas le temps de m'y replonger pour trouver l'erreur, j'espère t'avoir un peu aidé en attendant les réponses des autres

[__dardanos__]

Salut,
Pour compléter la réponse de Jasmine. Remplace la regex :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

m/[\(,](".[^"]+")+[,\)]/

par :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

m/"[^"]*"/g

L'option g permet de récupérer tous les correspondances et pas seulement la première. En incluant les parenthèses tu ne peux qu'obtenir le premier élément des listes contenant au moins deux éléments. Le ".[^"]+" impose que l'élément contienne au moins 2 caractères (et donc pas les "Y" ni "N").

[Jasmine80]

... une fois dans le bus, je me suis rendue compte que tu avais dit vouloir le résultat dans un tableau ... donc, voila :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
for (my $i=0; $i<$nb_item; $i++) { 
	if ($data[$i] =~ m/^\(".+"\)$/) {
		my ($formats_spec) = ( $data[$i] =~ m/[\(,](.*)[,\)]/ ); 
		my @tab = split (/,/, $formats_spec);
		print "$i => ". join(' - ',@tab ) ."\n";
	}
}

ce qui te donne le même affichage de sortie

[Jasmine80]

Salut,
Pour compléter la réponse de Jasmine. Remplace la regex :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

m/[\(,](".[^"]+")+[,\)]/

par :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

m/"[^"]*"/g

L'option g permet de récupérer tous les correspondances et pas seulement la première. En incluant les parenthèses tu ne peux qu'obtenir le premier élément des listes contenant au moins deux éléments. Le ".[^"]+" impose que l'élément contienne au moins 2 caractères (et donc pas les "Y" ni "N").

Je pense qu'il n'a qu'un seul couple de parenthèses par regexp , vu :
1) la structure de son fichier d'entrée en exemple
2) cette ligne

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

my @data = split('\t',$ligne);

Enfin, avec ces réponses, il a de quoi résoudre son problème maintenant

[Jasmine80]

Une dernière chose au sujet de parcourir ligne par ligne ton fichier, voici comment je ferais :

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
 
use strict;
use warnings;
 
my $file = "table_test.csv";
 
if (-f $file){
 
	open(FIC, $file) or die "Couldn't open file, $!"; 
 
	while(my $ligne = <FIC>){
 
		chomp($ligne);
 
		my @data = split('\t',$ligne);
		my $nb_item = @data;
 
		for (my $i=0; $i<$nb_item; $i++) { 
 
			if ($data[$i] =~ m/^\(".+"\)$/) {
				my ($formats_spec) = ( $data[$i] =~ m/[\(,](.*)[,\)]/ ); 
				my @tab = split (/,/, $formats_spec);
				print "$i => ". join(' - ',@tab ) ."\n";
			}
		}
	}
 
	close(FIC);
}

[Obulle]

Bonjour à tous,

et bien je n'ai pas eu le temps de tester pleinement, mais visiblement ce pattern fonctionne très bien ! Je ne vois pas comment je me suis débrouiller pour passer à côté du coup, une fois vos solutions sous les yeux.

Si j'ai le moindre problème je reviens vers vous rapidement.

Merci beaucoup pour vos réponses et votre aide très appréciés !

[Jasmine80]

Juste, pour reprendre le perl en m'amusant, voici ton code revu en plus concis :

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
use strict;
use warnings;
 
my $file = "table_test.csv";
 
if (-f $file){
 
	open(FIC, $file) or die "Couldn't open file, $!"; 
 
	while(my $ligne = <FIC>){
 
		# on supprime le début et fin de ligne inutiles
		$ligne =~ s/^[^\(]*\((.*)\)[^\)]*$/$1/;
 
		# on supprime tous le texte intermédiaire inutile
		my @data = split(/\).*?\(/,$ligne);
 
		# on affiche le résultat
		# si besoin : le nombre d'éléments est $#data
		for (my $i=0; $i<$#data; $i++) { 
			print "$i => ". $data[$i]."\n";
		}
	}
	close(FIC);
}

maintenant, cela ne compte plus tous les éléments séparés selon le \t (précédemment : $nb_item), mais je pense que tu n'en avais besoin que pour parcourir ton tableau

[Obulle]

Hello Jasmine et dardanos,

je suis désolé pour ce retour tardif sur vos solutions, les vacances...

Vos 2 solutions fonctionnent bien du coup celle de dardanos mes permets de faire moins de modifs dans mon script, juste le pattern qui ne fonctionnait pas. Ma bourde était visiblement à plusieurs niveaux : le .[^"]+ effectivement, je n'y avais pas fait attention, et d'autre part que initialement je n'ai pas à me focaliser sur les () ou les virgules car mes données sont entre "".

J'ai cependant découvert certaines choses bien utiles qui m'étaient inconnues dans vos propositions, comme la fonction -f filename par exemple.

Mon script devient (en le dépouillant du reste inutile ici) :

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
 
#!/usr/bin/perl
 
use strict;
use warnings;
 
my $file = "input/table_test.csv";
 
if (-f $file){
 
	open(FIC, $file) or die "Couldn't open file, $!"; 
 
	while(my $ligne = <FIC>){
 
		chomp($ligne);
 
		my @data = split('\t',$ligne);
 
		for (my $i=0; $i<($#data+1); $i++) { 
 
			if ($data[$i] =~ m/^\(".+"\)$/) {
				my (@formats_spec) = ( $data[$i] =~ m/"([^"]*)"/g ); 
				for (my $i2=0; $i2<($#formats_spec+1); $i2++) { print "\tn# $i2 = $formats_spec[$i2]"; } print "\n";
			}
		}
	}
 
	close(FIC);
}

Merci à tous les deux, je vais pouvoir poursuivre !

[Lolo78]

Juste deux façons un peu plus idiomatiques de parcourir un tableau en Perl.

Tu as:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
for (my $i=0; $i<($#data+1); $i++) { 
	if ($data[$i] =~ m/^\(".+"\)$/) {

Comme tu n'utilises pas la variable $i pour autre chose que l'accès au contenu du tableau, il est préférable d'itérer directement sur le contenu:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
for my $element (@data) {
     if ($element  =~ m/^\(".+"\)$/) {

Il y a moins de risque d'erreur sur les indices, c'est plus lisible et ça tourne un peu plus vite (ce qui n'a d'importance que si ton tableau est très gros).

Et même si tu as besoin d'utiliser explicitement ton indice pour autre chose, comme dans ta seconde boucle:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
for (my $i2=0; $i2<($#formats_spec+1); $i2++) { 
    print "\tn# $i2 = $formats_spec[$i2]"; 
}

il est plus facile d'écrire:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
for my $i2 (0..$#formats_spec) { 
    print "\tn# $i2 = $formats_spec[$i2]"; 
}

ou même éventuellement (mais j'aime moins):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
my $i2 = 0;
for my $items (@formats_spec) {
    print "\t# ", $i2++, " $item";
}

[Obulle]

Ha oui ! Je n'ai pas une très grande expérience du scripting avec Perl, je n'ai pas ce genre de réflexe, mais il est vrai que cette façon de lire le tableau est beaucoup plus concise. Je vais essayer de l'utiliser autant que possible, c'est bien plus léger et compréhensible.

Merci pour cette info