Discussion :

[ghighi0]

Bonjour à tous,

Bon voilà plusieurs jours que je m'échine à trouver une solution à un problème qui, au départ, me semblait facile : copier coller des passages d'un fichier vers un autre....
Toujours est-il que je n'y arrive pas.
J'ai deux fichiers Html très longs (plusieurs centaines, milliers de pages).. J'ai un fichier disons Origine dont je dois remplacer des passages par d'autres contenus dans le fichier Beta. J'ai pratiquement 1000 remplacements à faire.

Dans Origine j'ai des indices (ex :id="FO23P") qui me permette de trouver quels sont les passages que je dois remplacer.
Dans Beta, je n'ai pas d'indice, juste des titres des passages.

Fichier Origine :
blabla
id="FO23P" < titre1 >
blabla ..end
blabla
id="FT12I" < titre2 >
blabla ...end
blabla ...

Fichier Beta
blibli
< titre23 >
bliblibli end
blibli
< titre3 >
blibli end
blibli


Mon plan de départ était de :
1) construire des indices identiques dans Beta à partir des titres (ex si titre = "Lesson 18 Formation l'Originalité par Jean" alors idA="FO18J", en faisant d'abord un recherche sur Formation, si OK then idA="F" recherche sur Orinalité si ok idA=idA+"O" etc), d'inclure ce nouvel indice juste avant le titre du passage dans BETA.
2) Repérer le passage (je pense avoir trouvé une balise de fin ),par l'indice idA, comparer id et idA, si OK remplace le passage de Origine par passage dans Beta.

j'ai essayé en Python avec des expressions regex mais le copier coller n'est pas son fort. Je me suis alors rappeler que Bash pourrait surement etre plus efficace ...

Mais je ne suis qu'un pauvre (Hélas) économiste, j'ai bien touché un peu à Bash il y a des années mais ... echec

pour 1) j'ai essayé d'utiliser un grep puis un if sur le grep pour construire l'indice idA , mais je ne sais pas faire une boucle correcte sur le grep.

N'ayant toujours pas réussit le 1); je ne me suis pas attaqué au 2)


Si vous pouviez m'aider je vous en serais bien reconnaissant,

Ghislain

[Flodelarab]

Bonjour

Les titres du fichier Origine et celui du fichier Beta ne sont pas les mêmes ?

[ghighi0]

non pas exactement ils ont souvent des différences, parfois un peu aléatoires...

[Flodelarab]

Est-ce que tu peux préciser comment tu reconstruis l'ID ? Parce que là, on comprend rien.

[ghighi0]

l'id dans origine a une certaine logique par exemple d'abord une lettre pour une grande catégorie : F pour formation, E pour expérimentation etc ...; deuxième lettre pour sous catégorie par exemple : L,M,X,J,V,S,D pour les jours de la semaine; un nombre qui correspond à par exemple le numero de l'expérimentation ou de la formation, parfois une autre lettre pour un autre critère

Pour construire l'idA je vais chercher dans le titre l'ensemble de ces informations et je construit le nouvel index
un bout de mon code que j'avais commencé en python :

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
 
pattern= '<div class="tit1(.+?)>(.+?)</div>' # je capte le titre
dotall = re.compile(pattern,re.DOTALL)
tutuall=dotall.findall(monfichier)# retrouve toute les occurences et les mets dans une liste, que je vais pourvoir "iterer"
iterator = dotall.finditer(monfichier)
iterator  
i=0
for match in iterator:
    print("__________ debut de boucle ______", i, "\n")
    a=match.group(0)
    b=match.group(1)
    c=match.group(2) # c'est dans le groupe 2 que ce trouve mes info pour faire le nouvel indice
# je commence mon identification en suivant ce que je dois obtenir pour faire correspondre à id dans le fichier Origine 
    if "Avent" in c :
        idA="F"+"A"
    if "Noël" in c :
        idA="F"+"N"
    if "rdinaire" in c :
        idA="F"+"O"
    if "arême" in c :
        idA="F"+"C"
    if "ainte" in c :
        idA="F"+"T"
#A ce moment idA=FA, ouFC ou autres deux lettres
 
      if "remière semaine" in c:
            idgdr=idgdr+"1"
      if "euxième semaine" in c:
            idgdr=idgdr+"2"
      if "roisième semaine" in c:
            idgdr=idgdr+"2"
      if "uatrième semaine" in c:
            idgdr=idgdr+"4"  
#je rajoute le numéro idA="FC4" ou autre
    if "imanche" in c :
        idgdr=idgdr+"D"
    if "undi" in c :
        idgdr=idgdr+"L"
    if "ardi" in c :
        idgdr=idgdr+"M"
    if "ercredi" in c :
        idgdr=idgdr+"X"
    if "eudi" in c :
        idgdr=idgdr+"J"
    if "endredi" in c :
        idgdr=idgdr+"V"
    if "amedi" in c :
        idgdr=idgdr+"S"
#je rajoute encore une lettre pour le jour de la semaine  idA=FC4M
#etc sur autres critères

j'avais fais mes "if" de façon à ce qu'il correspondent à l'ordre qui va bien dans id

[disedorgue]

Bonjour,

Le code python que tu nous as donné calcul bien ton idA ?

Ce qu'il te manque c'est comment l'insérer dans ton fichier Bêta ?

Bref, c'est pas clair tout ça...

Tu n'as pas un exemple concret de ce que tu veux en résultats avec une dizaine de lignes du fichier Origine et une dizaine de lignes du fichier Bêta ?