Discussion :

[ChtiDamien]

Bonjour à tous,

J'aurais besoin de votre aide, je bosse sur un programme dont le but (pour simplifier) et de récupérer le texte d'une page Web et de récupérer la liste des mots existants dans le dictionnaire.

Je suis parvenu à récupérer ma liste de mots (avec BeautifulSoup) ( Ex: 'Lille', 'ville', 'du', 'Nord'). Ensuite pour vérifier l'existence dans le dictionnaire, je passe chaque mot en paramètre de l' url https://dictionnaire.lerobert.com/definition/.
En fonction du code HTTP 404 ou 200, j'en déduis l'existence ou non...

Et c'est là que les problème commence, ville est dans le dictionnaire, mais pas 'ville', du coup j'ai me suis penché sur les expressions régulières car c'est à mon avis la bonne piste,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
i = 0
 
    while i < len(liste_mots_potentiels) :
 
        transformation = re.sub(r"'.'",r".")
        liste_mots_potentiels[i] = str(re.sub(r"'.'",r"."))
 
    print("\n La liste de mots clés est : ",liste_mots_potentiels)

Etant débutant Python, je ne m'en sort pas seul. Merci d'avance pour votre aide.

[Sve@r]

Bonjour

Et c'est là que les problème commence, ville est dans le dictionnaire, mais pas 'ville', du coup j'ai me suis penché sur les expressions régulières car c'est à mon avis la bonne piste,

Oui c'est vrai que les regex permettent de faire de grandes choses pour traiter des chaines. Mais je ne comprends pas le souci entre ville et 'ville'. Est-ce que tu veux dire que tu récupères des chaines encadrées de quottes ?
Il faut faire attention car la quotte est utilisée par Python pour afficher certaines valeurs mais la quotte ne fait pas partie de la valeur, ce n'est qu'un effet d'affichage. Exemple a=("toto", "titi"); print(a) te donnera ('toto', 'titi') à l'écran mais le contenu de a c'est toto et titi sans les quottes. Et donc si tu écris if a[0] == "'toto'" ce sera faux.
Donc peut-être que tu vois des quottes à l'écran quand tu affiches tes résultats mais peut-être toutefois que les chaines que tu récupères sont malgré tout propres...

Sinon donc la regex qui permet de remplacer 'xxx' par xxx n'est pas très compliqué. Ta chaine commence par une quotte, se continue par des caractères répétés et se termine par une quotte. Et il te faut juste récupérer les caractères sans les quottes. Ce qui donne :

Code python :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
exemple="'aujourd'hui'"
resultat=re.sub(r"^'(.{1,})'$", r"\1", exemple)

Le petit chapeau veut dire "commence par" et on rajoute la quotte car la chaine commence par la quotte. La parenthèse initie une zone mémoire numérotée (première à 1) laquelle conservera le contenu qu'on précise après. Ce contenu c'est un caractère quelconque (le point) répété de 1 à n fois (les accolades). Le contenu est défini, on ferme la mémoire (la parenthèse) et on dit que la chaine se termine (le dollar) par la quotte. Et tout ça (donc la chaine débutant et terminant par une quotte) on le remplace par le contenu mémorisé (le backaslash 1 signifiant "contenu mémoire 1") ce qui correspond à la chaine. Au final on se retrouve donc avec la chaine (y compris ses quottes internes) sans les quottes externes => aujourd'hui.

Sinon il y a aussi les méthodes "startswith()" et "endwith()" d'une chaine

Code python :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
exemple="'aujourd'hui'"
if exemple.startswith("'"): exemple=exemple[1:]
if exemple.endwith("'"): exemple=exemple[:-1]

[BufferBob]

salut,

on peut aussi envisager un truc dans ce style :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
>>> liste = ["'ville'", "ville", "'''ville'''", "aujourd'hui"]
>>> [re.match(r'^([^\w]+)?(.+?)\1?$', s).group(2) for s in liste]
['ville', 'ville', 'ville', "aujourd'hui"]

[Sve@r]

on peut aussi envisager un truc dans ce style :

Hé oui, quand on maitrise les regex c'est à la fois magnifique... et horrible

[BufferBob]

c'est à la fois magnifique... et horrible

et encore c'est relativement soft, il y a moyen de faire bien plus dégueu formel

[ChtiDamien]

Merci je comprends mieux la façon d'utiliser les regex, mais ça ne corrige pas mon problème si je passe la variable résultat à la fin de mon lien j'obtiens ça : https://dictionnaire.lerobert.com/definition/'aujourd' hui'

Du coup ça ne m'arrange pas pour autant moi je voudrai récupérer le lien sans l'apostrophe https://dictionnaire.lerobert.com/definition/aujourd' hui

Je vais continuer à chercher

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
 
 
import re
 
exemple="'aujourd'hui'"
print("Le mot récupéré est :",exemple)
 
resultat=re.sub(r"^'(.{1,})'$", r"\1", exemple)
 
print("\nLe mot transformé par regex est :",resultat)
 
lien = "https://dictionnaire.lerobert.com/definition/"+exemple
 
print("\nLe lien est :",lien)

[wiztricks]

Salut,

Relisez un peu votre code: vous vous plantez dans la variable utilisée pour fabriquer l'URL...

- W

[ChtiDamien]

Oups #JeSuisUnNoob

Merci beaucoup, je vais pouvoir terminer mon projet.