Discussion :

[deubelte]

Bonjour

N'ayant aucune connaissance en regex, je sollicite votre aide dans l'espoire d'avoir une réponse.
Je cherche a extraire une sous-chaine. Mettons que l'on ait les deux chaines suivantes

201 W 21st St #9EF, New York
451 W 24th St, New York,

je chercher a extraire dans la premiere 21st, et dans la deuxième 24th.
C'est a dire que je cherche a extraire la premiere sous chaine qui sera toujours a gauche de St, sachant que St peut aussi s'ecrire "ST" ou "st"

Je vous remercie
(Vous pouvez changer de forum ce message sil nest pas adapte)

[MPython Alaplancha]

Bonjour,
Vaste sujet.. voir https://docs.python.org/fr/3/library/re.html
il y a plusieurs façon de faire. Je t'en livre une :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
import re
pattern = '(\w+) [ST|st]'
s = """201 W 21st St #9EF, New York
451 W 24th St, New York, """
print(re.findall(pattern, s))

[wiztricks]

Salut,

Pourquoi utiliser des regex alors que votre chaine de caractères est "normalisée"? Ce que vous cherchez sera toujours à la 3ème place? (et que St peut aussi être écrit Street mais à la bonne place).

- W

[Sve@r]

Bonjour

Si ton truc est toujours le 3° groupe de lettres, alors "201 W 21st St #9EF, New York".split()[2] devrait suffire sans passer par une regex...

[deubelte]

@Hominidé:

Merci pour la reponse. J'ai essaye sur la chaine
"201 W 21st St #9EF, New York"

et cela me renvoie "21st S", alors que je veux "21st"


@wiztricks,Sve@r:
oui, cest une idée de splitter les chaines en sous chaines, mais je suis plus confiant avec les regex.

[MPython Alaplancha]

@Hominidé:

Merci pour la reponse. J'ai essaye sur la chaine
"201 W 21st St #9EF, New York"

et cela me renvoie "21st S", alors que je veux "21st"

Je viens d'essayer avec ta chaine et j'obtiens bien :"21st"

[wiztricks]

Salut,

@wiztricks,Sve@r:
oui, cest une idée de splitter les chaines en sous chaines, mais je suis plus confiant avec les regex.

Comment être "confiant" avec des difficultés à faire fonctionner l'exemple qu'on vous a donné?
Choisissez une solution que vous pouvez maîtriser plutôt qu'un hypothétique mieux avec lequel vous allez patauger.

- W

[Sve@r]

Sve@r:
oui, cest une idée de splitter les chaines en sous chaines, mais je suis plus confiant avec les regex.

C'est comme si tu disais "oui je peux planter ce clou avec un marteau mais je suis plus confiant si j'utilise une presse hydraulique". Les outils ne sont efficaces que s'ils sont utilisés pour les bonnes raisons. Si ta chaine est bien carrée, alors (philosophie Python) simple is better than complex.

Mais je comprends que tu puisses "craindre" que l'entrée ne soit pas tout le temps parfaite (surtout si elle vient de l'extérieur) et effectivement dans ce cas, la regex peut aider à calibrer le truc. Dans ce cas je pense que le pattern présenté par Hominidé ne prend pas en compte toutes les possibilités majuscules/minuscules. Moi je mettrais pattern = '(\w+) [sS][tT]'.

[MPython Alaplancha]

Dans ce cas je pense que le pattern présenté par Hominidé ne prend pas en compte toutes les possibilités majuscules/minuscules. Moi je mettrais pattern = '(\w+) [sS][tT]'.

Mon pattern prend bien en compte toutes les possibilités majuscules/minuscules... mais aussi peut révéler des faux positifs (genre avec s= " 999 G T Y 24st sT""" ou 'G' matchera). Donc +1 avec ta proposition

[wiztricks]

Salut,

Si ta chaine est bien carrée, alors (philosophie Python) simple is better than complex.

Mais je comprends que tu puisses "craindre" que l'entrée ne soit pas tout le temps parfaite (surtout si elle vient de l'extérieur)

Dans ce cas, on valide que la chaine de caractères est une adresse bien construite avant d'en extraire un des champs.

Ce qui veut dire rejeter "201 W 21st St #9EF, New York" car le #9EF n'a rien à faire là.

Pour faire çà, les expressions régulières peuvent être utiles pour valider l'ensemble (ou des bouts) de la chaîne de caractères.

Utiles pas parce que ce sera mieux ou plus performant mais parce qu'il sera plus facile d'écrire le code correspondant (moins de lignes = plus facile à relire et à y chercher une erreur au cas où).

Après bien sûr on peut utiliser des regexp pour "survendre" la vérification/test qu'on n'a pas fait.

- W

[Sve@r]

Mon pattern prend bien en compte toutes les possibilités majuscules/minuscules...

Hé non, "[ST|st]" ne prend en compte que "ST" ou "st", mais ni "St" ni "sT". Ce n'est pas "toutes" les possibilités. Le pattern "[sS][tT]" lui demande une lettre à choisir entre "s" ou "S" puis une autre entre "t" ou "T" ce qui englobe là toute la plage des 4 possibles. Ensuite est-ce une bonne chose (par rapport au faux positif) ça c'est un autre débat.

[wiztricks]

Salut,

Mon pattern prend bien en compte toutes les possibilités majuscules/minuscules...

Essayez avec pattern = '(\w+) ([ST|St])', vous aurez d'autres surprises.
Il faudrait écrire '(\w+) (ST|St)' pour matcher St ou ST.
Ceci dit pour ignorer la casse on peut écrire: re.findall('(\w+) ST', s, re.I).

- W

[MPython Alaplancha]

Ceci dit pour ignorer la casse on peut écrire: re.findall('(\w+) ST', s, re.I).

- W

Merci, je n'y pense jamais

Pour ceux qui découvrent, autre approche possible :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

pattern = '\w+ (?=St)'

[Sve@r]

Merci, je n'y pense jamais

Moi non plus

Pour ceux qui découvrent, autre approche possible : pattern = '\w+ (?=St)'

Euh... ouais, je découvre et je pige que quick.

[MPython Alaplancha]

Moi non plus


Euh... ouais, je découvre et je pige que quick.

... Et pour ceux qui utilise un shell, cette expression est supportée par grep -P