Discussion :

[Niazov]

Bonjour,

Je voudrais savoir comment coder le plus proprement possible une extraction de chaines de caractère entre marqueurs fixes (ici les deuxièmes " ... ") :

aaaaaaaaa " aaaa " aaaaaaa "motàextraire1" aaaaa
bbbbbbbbbbbb " bbbbbb " bbbbbbbbb "motàextraire2" bb

Merci pour vos conseils!

[Fifan31]

Bonjour,

si les guillemets sont tes séparateurs, tu peux utiliser la méthode 'split' et prendre le nième élément qui t'interresse:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
>>> line='aaaaaaaaa " aaaa " aaaaaaa "motàextraire1" aaaaa'
>>> line.split('"')[3]
'mot\x85extraire1'

[wiztricks]

Salut,

Je voudrais savoir comment coder le plus proprement possible une extraction de chaines de caractère entre marqueurs fixes (ici les deuxièmes " ... ") :

aaaaaaaaa " aaaa " aaaaaaa "motàextraire1" aaaaa
bbbbbbbbbbbb " bbbbbb " bbbbbbbbb "motàextraire2" bb

Le plus propre serait de passer par des expressions régulières et le module re. Le plus simple est de trouver l'index de tous les '"', d'extraire le contenu qui est entre le 3ème et le 4ème car ce sont des fonctionnalités de base des chaînes de caractères. Mais comme c'est vous qui codez, c'est à vous de voir.

- W

[Niazov]

Merci Fifan31!

Merci aussi wiztricks! Pour la solution en expression régulière, quelle est la syntaxe pour extraire le contenu entre deux marqueurs?

[Niazov]

Avec le code

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
from os import *
with open ("liste.txt", "rt") as worklist:
    for line in worklist:
        print(line.split('"')[3])
    end

il me met le message d'erreur :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
with open ("liste.txt", "rt") as worklist:
TypeError: an integer is required (got type str)

[fred1599]

Une solution parmi tant d'autres avec les expressions régulières

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
import re
 
PATTERN = "(\"\s?\w+\s?\")"
 
line='aaaaaaaaa " aaaa " aaaaaaa "motàextraire1" aaaaa'
 
res = re.findall(PATTERN, line)
 
_, value = map(lambda x: x.strip('"'), res)
 
print(value)

[bistouille]

En utilisant les goups de re

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
>>> line='aaaaaaaaa " aaaa " aaaaaaa "motàextraire1" aaaaa'
>>> print(re.search('.*"[^"]+".*"([^"]+)".*', line).group(1))
motàextraire1

[BufferBob]

salut,

Le plus propre serait de passer par des expressions régulières et le module re. Le plus simple est de trouver l'index de tous les '"', d'extraire le contenu qui est entre le 3ème et le 4ème car ce sont des fonctionnalités de base des chaînes de caractères. Mais comme c'est vous qui codez, c'est à vous de voir.

je suis pas vraiment d'accord, tout dépend de comment on trouve la chaine, ici le PO précise que la chaine à extraire est entre la 2e paire de guillemets, donc line.split('"')[3] s'impose assez naturellement pour le coup (la première réponse de Fifan31), alors que la regex correspondante serait un truc du genre re.search('^(?:.*?"){3}(.+?)"', line).group(1) nettement moins lisible

à l'inverse, si on considère qu'on a rien de précis pour caractériser la chaine, on pourrait aussi bien faire un re.findall('motàextraire\d', line)[0]

[wiztricks]

je suis pas vraiment d'accord, tout dépend de comment on trouve la chaine, ici le PO précise que la chaine à extraire est entre la 2e paire de guillemets, donc line.split('"')[3] s'impose assez naturellement pour le coup (la première réponse de Fifan31), alors que la regex correspondante serait un truc du genre re.search('^(?:.*?"){3}(.+?)"', line).group(1) nettement moins lisible

Je suis globalement d'accord mais "lisible" çà dépend pour qui et pour quoi.
Par exemple, si on dit "la chaîne à extraire est entre la 2e paire de guillemets", si je dois traduire çà en regexp, j'écrirai plutôt re.findall('"(.*?)"', line)[1]. i.e. je découpe suivant les paires de guillemets puis je récupère la 2ème chaîne.

Si on écrit re.search('^(?:.*?"){3}(.+?)"', line).group(1), çà le fait, certes mais çà fait beaucoup plus... pas nécessairement utile.

line.split('"')[3] est habile.... mais attrape tout ce qui vient après le 3ème guillemet - et stricto sensu, ce n'est pas ce qu'on demande.

- W