Discussion :

[nekcorp]

Bonjour à tous,

Voilà j'ai un soucis avec une expression régulière.

Je cherche dans un texte tout les mots "toto" afin de les compter. Dans certains cas, toto peut être précédé d'un "$" ($toto) et je ne souhaite pas les comptabiliser.

J'ai donc testé cette expression :

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
 
import re
 
File = "toto.dat"
 
f = open(File, "r")
rf = f.read()
f.close()
 
reg = '^[A-Z]*toto'
 
print rf
 
res = re.findall(reg, rf)
 
print len(res)

et j'obtiens zéro pour le len(res).

J'ai testé mon expression régulière dans Notepad à savoir ^[A-Z]*toto et il me compte bien les toto sans prendre en compte les $toto.

Mon fichier toto.dat contient :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
titi tutu toto
tutu $toto
tata titi
toto $ toto

Est ce que vous voyez quelque chose qui ne va pas dans mon code qui fait que sous notepad l'expression régulière fonctionne, mais pas sous Python !

Merci d'avance pour vos réponses !

[wiztricks]

Salut,

et j'obtiens zéro pour le len(res).

Il faut lui dire "multiline" via l'ajout de l'option re.M
Après reg = '^[A-Z]*toto', c'est "toto" précédé de 2 caractères: le premier n'étant pas dans [A-Z] et le second n'importe quoi.

- W

[BufferBob]

salut,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
>>> re.findall('(?:^|[^$])(toto)', 'toto titi toto coincoin tototo $toto $toto $totototo')
['toto', 'toto', 'toto', 'toto']

(?:^|[^$]) "soit le début de la ligne, soit n'importe quel caractère qui n'est pas un $"
le tout suivi de (toto), qu'on met entre parenthèses pour éviter de récupérer justement le caractère qui précède s'il y en a un

note que j'ai inclus des cas limites, comme tototo par exemple, au final les 4 toto trouvés sont les suivants :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

toto titi toto coincoin tototo $toto $toto $totototo

[nekcorp]

salut,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
>>> re.findall('(?:^|[^$])(toto)', 'toto titi toto coincoin tototo $toto $toto $totototo')
['toto', 'toto', 'toto', 'toto']

(?:^|[^$]) "soit le début de la ligne, soit n'importe quel caractère qui n'est pas un $"
le tout suivi de (toto), qu'on met entre parenthèses pour éviter de récupérer justement le caractère qui précède s'il y en a un

note que j'ai inclus des cas limites, comme tototo par exemple, au final les 4 toto trouvés sont les suivants :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

toto titi toto coincoin tototo $toto $toto $totototo

Merci,

surtout pour l'explication du pattern, c'est ce qui me bloque avec les expressions régulières et comme j'en fait pas tout les jours

[nekcorp]

Salut,



Il faut lui dire "multiline" via l'ajout de l'option re.M
Après reg = '^[A-Z]*toto', c'est "toto" précédé de 2 caractères: le premier n'étant pas dans [A-Z] et le second n'importe quoi.

- W

Merci wiztricks j'ai réussi à résoudre mon problème.

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
 
import re
 
File = "toto.dat"
 
f = open(File, "r")
rf = f.read()
f.close()
 
reg = '^[A-Z]toto|^[A-Z]TOTO'
 
print rf
 
res = re.findall(reg, rf, re.M)
 
print len(res)

je devais également prendre en compte le fait que ma chaîne recherché peut également être en majuscule, du coup j'ai adapté :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

reg = '^[A-Z]toto|^[A-Z]TOTO'

[wiztricks]

Salut,

je devais également prendre en compte le fait que ma chaîne recherché peut également être en majuscule, du coup j'ai adapté :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

reg = '^[A-Z]toto|^[A-Z]TOTO'

D'après ce que j'ai compris, le pattern '[^$] *toto' devrait être moins faux.
Pour ignorer la casse, c'est comme pour multiligne, il suffit de le demander:
re.findall(reg, rf, re.M + re.I)

surtout pour l'explication du pattern, c'est ce qui me bloque avec les expressions régulières et comme j'en fait pas tout les jours

Beaucoup de choses sont dans le "how-to". Mais c'est vrai que sa lecture n'est pas d'un abord facile. Ceci dit, essayer de le (re)lire à chaque fois (parce qu'on ne retient pas tout) permet de se familiariser avec (à la longue).

- W

[nekcorp]

Salut,



D'après ce que j'ai compris, le pattern '[^$] *toto' devrait être moins faux.
Pour ignorer la casse, c'est comme pour multiligne, il suffit de le demander:
re.findall(reg, rf, re.M + re.I)

Beaucoup de choses sont dans le "how-to". Mais c'est vrai que sa lecture n'est pas d'un abord facile. Ceci dit, essayer de le (re)lire à chaque fois (parce qu'on ne retient pas tout) permet de se familiariser avec (à la longue).

- W

Effectivement ce pattern est fonctionnelle dans le cas ou il n'est pas possible de rencontrer autre chose que toto et $toto, si on a un #toto ou un _toto (ce qui peux arriver dans mon cas) alors ce n'est plus vrai. N'ayant pas détaillé tout les cas rencontré il reste à moi d’adapter vos suggestions à mes différentes situations.

Merci pour l'astuce du re.I en tout cas je ne connaissais pas et je ne pensais même pas que çela existait.