Discussion :

[gingko41]

Bonjour à tous,

Je cherche à identifier des séquences de nombres écrits en toutes lettres ("vingt-huit", "mille cinq cent" etc) et j'ai trouvé pour cela une façon de le faire sur le web en définissant des regex pour les unités, les dizaines etc.
Comme ça, on peut tout décrire en combinant les regex, mais justement c'est sur l'étape où on recombine les regex que ça plante : "unknown extension ?& at position 1" (la syntaxe ne correspond sans doute pas à du python) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
one_to_9 = r"^un|deux|trois|quatre|cinq|six|sept|huit|neuf$"
ten_to_19 = r"^dix|onze|douze|treize|quatorze|quinze|seize|dix-sept|dix-huit|dix-neuf$"
two_digit_prefix = r"^vingt|trente|quarante|cinquante|soixante|soixante-dix|quatre-vingt|quatre-vingt-dix|septante|octante|nonante$"
 
regex_1_to_99 = (?&two_digit_prefix)(?:[- ](?&one_to_9))?|(?&ten_to_19)| (?&one_to_9)   # c'est là que ça bloque

Sauriez-vous comment on peut réutiliser des regex au sein d'autres regex en les appelant par leur nom ?

Un grand merci d'avance,

Cordialement

[wiztricks]

Salut,

Pour l'instant, vous ne faites que construire la chaine de caractères que vous vous proposez d'utiliser plus tard comme argument d'une fonction du module re.

Et construire une chaine de caractères à partir de littéraux et de variables associées à d'autres chaines de caractères n'a aucune raison de devenir magique (c'est documenté et çà fonctionne comme çà dit....) en fonction de sa destination.

- W

[CosmoKnacki]

Le module re permet de définir des groupes de capture et de faire référence à une partie de chaîne capturée précédemment, par contre il ne permet pas de faire référence à la sous pattern définie dans le groupe de capture.

Cette fonctionnalité existe dans le module regex qu'il faudra alors installer:

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 regex
 
s = 'trente trois'
 
pat = r'''(?x) # active le mode VERBOSE: les espaces sont ignorés, # démarre un commentaire inline
 
    (?(DEFINE) # ouvre un bloc de définition de sous-patterns nommées
        (?<two_digit_prefix> vingt|trente|quarante|cinquante|soixante|soixante-dix|
                             quatre-vingt|quatre-vingt-dix|septante|octante|nonante )
        (?<one_to_9> un|deux|trois|quatre|cinq|six|sept|huit|neuf )
    )
 
    # la pattern principale
    (?&two_digit_prefix) [ ] (?&one_to_9)'''
 
result = regex.findall(pat, s)

PS: attention, on ne dit pas "vingt un" mais "vingt et un". Je te souhaite également bien du plaisir avec le "s" éventuel de quatre-vingts.

[gingko41]

Merci beaucoup wiztricks et CosmoKnacki
, @ CosmoKnacki merci pour le code, je ne comprenais pas comment m'y prendre, et oui effectivement il y aura plein de cas particuliers à traiter ;-)

Bonne journée à vous