Discussion :

[MickaKymm]

Bonjour,
Ça fait plusieurs semaines que je bloque sur une fonction regex. Je cherche à transformer un hashtag de type "#RoyaumeUni" en "Royaume Uni", c'est à dire insérer un espace dans un hashtag à chaque majuscule précédée d'une minuscule mais uniquement pour les mots commençant par #
Et il faudrait que le pattern fonctionne aussi avec #CoréeDuSud par exemple.
Actuellement j'utilise preg_replace("/(?:\B#)?(([ÁÉÍÓÚÝÂÊÎÔÛÄËÏÖÀÈÌÒÙāŠšŽÅŒÆÇÑßÕA-Z]+[áéíóúýâêîôûäëïöàèìòùœæñßðāğa-z0-9_]+|\d+(?=\1*$)))/u", " $1", $text); mais déjà il prend en compte les mots sans le # et l'espace avant le $1 ajoute aussi un espace supplémentaire avant le hashtag.
Merci

[Celira]

Une astuce pour les lettres accentuées : tu peux utiliser les caractères unicodes plutôt que lister toutes les lettres :
[ÁÉÍÓÚÝÂÊÎÔÛÄËÏÖÀÈÌÒÙāŠšŽÅŒÆÇÑßÕA-Z] peut être remplacé par \p{Lu} et [áéíóúýâêîôûäëïöàèìòùœæñßðāğa-z] par \p{Ll}.
Propriétés des caractères Unicode

Sinon pour la regex proprement dite, désolée c'est au-delà de mes compétences.

[Dendrite]

Merci du tuyau Célira ! Je ne connaissais pas.

[MickaKymm]

Une astuce pour les lettres accentuées : tu peux utiliser les caractères unicodes plutôt que lister toutes les lettres :
[ÁÉÍÓÚÝÂÊÎÔÛÄËÏÖÀÈÌÒÙāŠšŽÅŒÆÇÑßÕA-Z] peut être remplacé par \p{Lu} et [áéíóúýâêîôûäëïöàèìòùœæñßðāğa-z] par \p{Ll}.

Merci Celira
On y voit en effet plus clair, mais je n'arrive toujours pas à trouver le bon pattern lol

[CosmoKnacki]

Une solution consiste à utiliser l'ancre \G qui matche la position de la chaîne juste après la dernière occurrence trouvée (au début de la recherche cette ancre matche aussi le début de la chaîne d'où le (?!\A) pour éliminer ce cas de figure).

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$str = preg_replace('~(?:\G(?!\A)|#)(\p{Lu}\p{Ll}*+)(?=\pL)~u', '$1 ', $str);

1) Le moteur de regex parcourt la chaîne jusqu'à ce que la seconde branche # réussisse. On capture alors la première partie (\p{Lu}\p{Ll}*+) que si celle-ci est suivie d'une lettre (?=\pL) (c'est un raccourci pour (?=\p{L})).
2) Une première occurrence ayant été trouvée, la première branche avec l'ancre \G va donc réussir à la position suivante dans la chaîne (au niveau du "D" dans "#CoréeDuNord"), puis on capture la partie suivante.
3) On recommence 2), jusqu'à ce que la pattern échoue (ce sera au niveau du lookahead (?=\pL)), alors on repart de 1).

Le modificateur u indique que la chaîne et la pattern sont en utf-8 et doivent être lues comme telles et non pas octet par octet.

[MickaKymm]

Génial ! Merci CosmoKnacki !
J'avais déjà vu cette histoire d'ancrage mais les explications n'étaient pas très claires. Cependant je teste depuis tout à l'heure, il ne fonctionne pas sur tout ce que je souhaite. C'est mon explication du début qui n'était pas assez précise, méa culpa. Je souhaite aussi que ça fonctionne sur les hashtags d'un mot, prenant en compte aussi les possibles ponctuations.
Exemple :

Je souhaite voyager à #NewYork aux #ÉtatsUnis, puis faire un tour au #NewEnglandConservatory à #Boston.

devient

Je souhaite voyager à New York aux États Unis, puis faire un tour au New England Conservatory à Boston.

Je continue de chercher avec le pattern de CosmoKnacki

[CosmoKnacki]

En fait le problème ne vient pas de la ponctuation, mais des hashtags ne comportant qu'un seul mot (cas auquel je n'avais pas pensé). Comme il faut obligatoirement enlever le # et qu'il n'est pas possible de faire un remplacement sans ajouter d'espace, on peut oublier preg_replace.

Donc mieux vaut utiliser preg_replace_callback pour isoler le tag et le traiter dans un deuxième temps:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$str = preg_replace_callback('~#(\pL+)~u', function ($m) { return preg_replace('~\B(?=\p{Lu})~u', ' ', $m[1]); }, $str);

Je viens de me rendre compte que \B avec le modificateur u ne fonctionne pas correctement avec PHP 7.3.0 alpha1 sur 3v4l.org. Donc au pire on peut écrire:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$str = preg_replace_callback('~#(\pL+)~u', function ($m) { return preg_replace('~(*UCP)\B(?=\p{Lu})~u', ' ', $m[1]); }, $str);