rechercher et extraire deux chaines dans un fichier

**piotr** · 13/07/2006, 13h00

Bonjour,

J'ai un fichier, et je souhaiterais y rechercher deux chaines de caractères:
Voici à quoi ressemble ce fichier:
<tr>
<td><font face="verdana,sans-serif" size=1> 32997</td>
<td> <a href="/search/?term=mot&mkt=fr&lang=fr_FR"><font face="verdana,sans-serif" size=1 color=#000000>tps</a></td>
</tr>

Je voudrais lire ce fichier et y récupérer deux valeurs si j'ai le bon mot:
par exemple ici je veux récupérer "32997" et le terme "mot"

j'avoue que je cale depuis pas mal de temps sur ce pb.
Pour récupérer 32997, j'avais écrit le code suivant:

open(FIC,'Web.html') ||die ("le fichier n'est pas présent\n");
while(<FIC>)
{
$ligne = <FIC>;

if($ligne=~/<tr(.*)nbsp;(.*?)</)
{
$nombre= $1;
print $nombre;
}
}

mais ça ne marche pas!! alors je suis mal parti pour lire les deux chaines qui m'intéresse!!

qui a une idée?

Merci

**MarneusCalgarXP** · 13/07/2006, 13h15

Bon, pour commener :

Ensuite, pour en venir à ton code, ton $1 va te renvoyer, dans le meilleur des cas :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
<tr>
<td><font face="verdana,sans-serif" size=1>&nbsp;32997</td>

Mais ca supposerait que des 2 lignes n'en forment qu'une seule, ce qui n'est pas le cas ici...

La regexp à utiliser est:

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
open(FIC,'Web.html') ||die ("le fichier n'est pas présent\n");
while(<FIC>)
{
$ligne = <FIC>;

  if ($ligne =~ /nbsp;(\d*?)</ )
  {
    $nombre= $1;
  }
  elsif ($line =~ /?term=(.+)&/ )
  {
    $mot = $1
    if ($mot eq 'lebonmot') { print $nombre; }
  }
}

**piotr** · 13/07/2006, 13h25

merci pour ta réponse rapide
j'ai essayé ton code mais j'ai l'erreur suivante:

Quantifier follows nothing in regex; marked by <-- HERE in m/? <-- HERE term=(.+)&/ at stat1.pl line 13.

**MarneusCalgarXP** · 13/07/2006, 13h28

oups, effectivement j'ai une erreur de code, je l'ai résolue en partie, mais ca ne fonctionne pas encore pour le mot... au moins ca trouve le nombre pour l'instant:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
 
open(FIC, $ARGV[0]) ||die ("le fichier n'est pas pr‚sent\n");
while(<FIC>)
{
	$ligne = <FIC>;
 
	if ($ligne =~ /nbsp;(\d*?)</ )
	{
		$nombre= $1;
		print("nombre : $nombre\n");
	}
 
}

**Jedai** · 13/07/2006, 13h36

Envoyé par MarneusCalgarXP

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
  if ($ligne =~ /nbsp;(\d*?)</ )

  elsif ($line =~ /?term=(.+)&/ )

La façon de récupérer le nombre n'est pas optimale, la seconde regex est erronée, j'emploierais plutôt :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
  if ($ligne =~ /nbsp;(\d*)</ )

  elsif ($line =~ /\?term=([^&]*)&/ )

--
Jedaï

**MarneusCalgarXP** · 13/07/2006, 13h39

Envoyé par Jedai

La façon de récupérer le nombre n'est pas optimale, la seconde regex est erronée, j'emploierais plutôt :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
  if ($ligne =~ /nbsp;(\d*)</ )

  elsif ($line =~ /\?term=([^&]*)&/ )

Etonnemment la 2° regexp ne match jamais rien sur mon ordi sous Windows, perl ActiveState 5.8.7

**piotr** · 13/07/2006, 13h45

Merci pour votre aide,
en fait dans chaque ligne de mon fichier, le mot apparait: soit seul et le nombre correspondant m'interesse, soit accompagné d'autre mots et dans ce cas, je ne veux plus le nombre associé.
comment s'arrêter quand j'ai trouvé le bon mot et lui tout seul?

**piotr** · 13/07/2006, 13h54

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
open(FIC,'Web.html') ||die ("le fichier n'est pas présent\n");
 
while(<FIC>)
{
 
 $ligne = <FIC>;
 
	if ($ligne =~ /nbsp;(\d*)</ )
	{
		$nombre= $1;
		print("nombre : $nombre\n");
	}
 
	elsif ($ligne =~ /\?term=([^&]+)&/ )
	{
		$mot = $1;
		print("mot : $mot\n");
		if ($mot eq 'lebonmot') { print $nombre; }
	}
}

pour l'instant ça m'affiche
nombre : 32997
nombre : 8352
nombre : 7589
nombre : 6139
nombre : 3867
nombre : 3375
nombre : 2010
nombre : 1932
nombre : 1776
nombre : 1457
nombre : 1247
nombre : 1055
nombre : 1006
nombre : 858
nombre : 742
nombre : 738
nombre : 720

**Jedai** · 13/07/2006, 14h06

Envoyé par MarneusCalgarXP

Etonnemment la 2° regexp ne match jamais rien sur mon ordi sous Windows, perl ActiveState 5.8.7

Et pourtant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
>perl -e "print q(/search/?term=mot&mkt=fr&lang=fr_FR) =~ /\?term=([^&]*)&/"
mot

--
Jedaï

**Jedai** · 13/07/2006, 14h10

Déjà essaie comme ça :

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
open(FIC,'Web.html') ||die ("le fichier n'est pas présent\n");
 
while(my $ligne = <FIC>)
{
 
	if ($ligne =~ /nbsp;(\d+)</ )
	{
		$nombre= $1;
		print("nombre : $nombre\n");
	}
 
	if ($ligne =~ /\?term=([^&]*)&/ )
	{
		$mot = $1;
		print("mot : $mot\n");
		if ($mot eq 'lebonmot') { print $nombre; }
	}
}

Parce que là tu saute une ligne sur deux... En effet tu lis une ligne dans la condition de ta boucle (elle se retrouve dans $_) puis tu lis la ligne suivante que tu mets dans $ligne, donc tu ne traite que les lignes de numéro pair !

--
Jedaï

**piotr** · 13/07/2006, 14h15

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
while(<FIC>)
{

$ligne = <FIC>;
print $ligne;

 	if ($ligne =~ /nbsp;(\d*)</ )
	{
		$nombre= $1;
		print("nombre : $nombre\n");
	}
  
	if ($ligne =~ /\?term=([^&]+)&/ )
	{
		$mot = $1;
		print("mot : $mot\n");
		if ($mot eq 'lebonmot') { print $nombre; }
	}
}

en mettant un print en dessous de $ligne=<FIC>

je constate que ma ligne n'est pas complète:
</tr>
<td><font face="verdana,sans-serif" size=1> 1932</td>
nombre : 1932

le reste est apparemment ignoré

**piotr** · 13/07/2006, 14h25

ça marche!!
j'ai la sortie suivante
mot : lebonmot
nombre : 32997
nombre :
mot : autremot%20lebonmot
nombre : 8645
nombre :
etc...

**Jedai** · 13/07/2006, 14h39

Vu ta sortie, il vaudrait mieux utiliser \d+ à la place de \d*...

--
Jedaï

**MarneusCalgarXP** · 13/07/2006, 14h50

Envoyé par piotr

ça marche!!
j'ai la sortie suivante
mot : lebonmot
nombre : 32997
nombre :
mot : autremot%20lebonmot
nombre : 8645
nombre :
etc...

Cool ! comment as-u fait ?

**piotr** · 13/07/2006, 15h01

Merci les gars pour votre aide, je n'ai pas hélas votre niveau mais je ne désespère pas!

Voici le code:

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
open(FIC,'Web.html') ||die ("le fichier n'est pas présent\n");
 
while(my $ligne = <FIC> )
{
	if ($ligne =~ /nbsp;(\d+)</ )
	{
		$nombre= $1;
	}
 
	elsif ($ligne =~ /\?term=([^&]*)&/ )
	{
		$mot = $1;
		@tab = split(/%20/,$mot);
		if (@tab ==1) 
                             {print ("mot : $mot\n");
		     print ("nombre : $nombre\n");
				die }
	}
}

ainsi le code extrait le mot qui m'intéresse et lui seul avec le nombre associé.

Dans ma requête sur "lebonmot", cela génère une page Web qui contient ce bon mot tout seul avec un nombre associé. Dans web.html, il y a aussi d'autres mots associés et contenant "lebonmot"
(sous la forme mot1%20mot2%20lebonmot)
, aussi c'est pourquoi je sais que lorsque @tab vaut 1 j'ai automatiquement ce que je cherche.
Je travaille sous XP.
Par contre ma sortie de boucle n'est peut être pas très élégante qu'en pensez-vous?

**MarneusCalgarXP** · 13/07/2006, 15h05

Par contre ma sortie de boucle n'est peut être pas très élégante qu'en pensez-vous?

Il est vrai qu'un last serait plus élégant ! die sert à tuer le script en signalant une erreur, à la limite exit sert à tuer le script en signalant une sortie correcte, mais last amène simplement à la fin de la boucle

**piotr** · 13/07/2006, 15h07

je ne connaissais pas l'instruction: merci!

rechercher et extraire deux chaines dans un fichier

Langage Perl

Discussions similaires

Partager

Partager