regex qui retourne None

**marco056** · 22/04/2022, 15h18

Bonjour,
Je galère toujours autant avec les regex que j'utilise une fois par an...
Ici, j'ai une chaine qui est extraite d'un fichier et je ne comprends pas pourquoi le retour est None : un problème de caractère spécial ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
chaine = """( * )  été remontées de la base._____________________________________________________________________________________________________________________________ N°9856959M. BASS--S L
 
*9856959*
Classe  ""
"""
 
recherche3 = re.search(r"N°(.*?)Classe", chaine)

Au final, je veux récupérer la sous-chaine BASS--S L sachant que dans nmon fichier, j'ai plein de lignes avec des N° différents.

**marco056** · 22/04/2022, 15h30

Je pense avoir une idée : peut-être parce que je lis le fichier avec :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

for ligne in contenu:

et qu'ensuite je fais ma recherche.
Comme ma recherche porte sur plusieurs lignes, ça pourrait planter là ?

**marco056** · 22/04/2022, 15h40

Avec findall, j'ai l'impression que c'est plus concluant.
Est-ce la solution la plus simple ?
[edit] En fait, cela ne fonctionne pas non plus.

**jurassic pork** · 22/04/2022, 16h37

Hello,
est-ce que tu as plusieurs valeurs à récupérer ? Si oui peux-tu nous montrer plusieurs lignes avec plusieurs valeurs à récupérer ?
la chaine à récupérer est-elle toujours en fin de ligne après quelque chose qui ressemble à N°xxxxxxxxM.
Ami calmant, J.P

**Sve@r** · 22/04/2022, 16h42

Bonjour

Envoyé par marco056

Je pense avoir une idée : peut-être parce que je lis le fichier avec :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

for ligne in contenu:

et qu'ensuite je fais ma recherche.
Comme ma recherche porte sur plusieurs lignes, ça pourrait planter là ?

Certes oui ça c'est déjà un bon point de départ.
La syntaxe for lig in fichier est faite pour traiter des fichiers ayant des lignes (du caractère terminé par un '\n') et pour lesquelles chaque ligne constitue une information complète.

Si l'information (et j'ai déjà eu le cas) commence à la ligne 3 et se termine à la ligne 7, fatalement tu ne peux plus utiliser la structure ci-dessus.

Dans ce cas, la première chose à faire est de trouver comment identifier le début et la fin de l'information. Ensuite tu écris une fonction qui se charge de récupérer cette information dans le fichier sous forme itérative (donc elle te génèreinfo1, info2, info3 etc à la demande) et seulement à partir de là tu peux appliquer ta regex sur l'info traitée (et si en passant tu lui supprimes ses '\n' intermédiaires ça n'en est que mieux).

**marco056** · 22/04/2022, 17h05

Merci à vous,
j'ai essayé de testé vos propositions, sans succès.
Effectivement, c'est un fichier très long dans lequel je dois récupérer plein d'informations.
A la base, c'est un pdf que j'ai converti en txt.
J'effectue mes recherches dans ce txt (j'espère ne pas être parti sur un pb XY...)
Les infos que je recherche sont nombreuses et multiples.
Je souhaite récupérer BIBI Camille dans

____________________ N°537M. BIBI Camille
*537*
Classe une classe au hasard

puis plus loin BOBO Bertrand dans :

____________________ N°2212M. BOBO Bertrand
*2212*
Classe une classe au hasard

Entre ces deux infos (en fait il y a plus de 200 noms à récupérer), j'ai aussi des valeurs à récupérer, par exemple :
7 et 7 dans :

Epreuves terminalesFrançais écrit7Français oral7PhilosophieInscritEpreuve orale terminale dite Grand OralInscritIngénierie, [/CODE]
Cette partie, j'y suis parvenu.
Par contre, certaines infos ne veulent pas se livrer, comme les valeurs numériques dans :
[CODE]Appréciations des professeurs : (*) moyenne des notes des deux premiers trimestres de l'année de Terminale en cours. Eléments d™appréciation saisis par le professeur principal : Appréciation du chef d'établissement : Avis du chef d'établissement :DISCIPLINESAPPRECIATIONS GENERALESNote(*) etclassement del'élèveEffectif classeou groupeEnseignement moral etcivique Bon investissement dans la matière.12,519
28Physique-Chimie etMathématiquesSpé Maths : Ensemble un peu juste.Spé Phys : sérieux.7,6223
28PhilosophieTravail. Bonne participation en classe. Elève.
9,1325

J'espère avoir été plus clair...
Je vais peut-être aller voir si je peux chercher directement dans le .pdf.

**jurassic pork** · 22/04/2022, 17h15

pour les noms tu peux essayer :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 recherche3 = re.findall(r"M\.\s(.+)$", chaine,re.M)

**marco056** · 22/04/2022, 17h20

Ah oui ! Merci, cela semble fonctionner.
J'étais parti à tester la bibliothèque tabula avec tabulate directement sur le pdf.

**marco056** · 22/04/2022, 17h36

Envoyé par jurassic pork

pour les noms tu peux essayer :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 recherche3 = re.findall(r"M\.\s(.+)$", chaine,re.M)

Par contre, pas facile à partir de là de récupérer les données entre les noms car pour certains noms, les données sont absentes.
En tous cas, merci, cela me débloque déjà pas mal.

**papajoker** · 22/04/2022, 17h26

donc si je reprends mon code, c'est une chose du type ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
classes = re.findall(r'N\°(.*?)\nClasse ', toutlefichier, re.DOTALL)
for classe in classes:
    nom_classe = regex ("", classe, simpleligne)   # pour trouver type "BASS--S L"  , le regex de jurassic pork
    eleves = re.findall(r'eleve(.*?)/eleve ', classe, multilignes)
    for eleve in eleves:
        notes[eleve] = regex(eleve, multiligne?) # parse ligne à ligne ou regex

faire des regex dans les résultats d'autres regex parentes pour avoir une structure

**marco056** · 22/04/2022, 17h33

Envoyé par papajoker

donc si je reprends mon code, c'est une chose du type ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
classes = re.findall(r'N\°(.*?)\nClasse ', toutlefichier, re.DOTALL)
for classe in classes:
    nom_classe = regex ("", classe, simpleligne)   # pour trouver type "BASS--S L"  , le regex de jurassic pork
    eleves = re.findall(r'eleve(.*?)/eleve ', classe, multilignes)
    for eleve in eleves:
        notes[eleve] = regex(eleve, multiligne?) # parse ligne à ligne ou regex

Apparemment, pb avec l'instruction "regex"...

**Sve@r** · 22/04/2022, 18h21

Envoyé par marco056

A la base, c'est un pdf que j'ai converti en txt.
J'effectue mes recherches dans ce txt (j'espère ne pas être parti sur un pb XY...)

Ben...

Généralement on considère que toute conversion détruit (ou corromp) de l'information... surtout quand la conversion se fait depuis ensemble de départ plus riche (ici PDF) que l'ensemble d'arrivée (du TXT).

Envoyé par marco056

Les infos que je recherche sont nombreuses et multiples.
Je souhaite récupérer BIBI Camille dans

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
____________________ N°537M. BIBI Camille
*537*
Classe une classe au hasard

Hoho... Tu veux récupérer la petite Bibi dans une classe? Es-tu certain de bien prendre en considération toutes les conséquences inhérentes au sens qu'on peut donner à cette phrase...?

Envoyé par marco056

Je vais peut-être aller voir si je peux chercher directement dans le .pdf.

https://www.datacorner.fr/pdf/

**papajoker** · 22/04/2022, 16h23

bonjour

Envoyé par marco056

Bonjour,
Au final, je veux récupérer la sous-chaine BASS--S L

pas compris, ta regex indique de No à Classesi tu désires que "BASS--S L" pas besoin de recherche mutiligne, et une lecture fichier ligne à ligne sans regex peut même faire l'affaire

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
for line in fichier:
    if " N°" in line:   # a voir si suffisant
        match = line.rsplit(maxsplit=2)[-2:]
        print(match)

si tout le fichier est chargé dans une variable "chaine"

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
matches = re.findall(r'N°(.*?)\n', chaine, re.MULTILINE)
matches = re.findall(r'N\°(.*?)\nClasse ', chaine, re.DOTALL)

ta regex inclu aussi le numéro, mais ce n'était pas la question

**fred1599** · 22/04/2022, 17h46

J'effectue mes recherches dans ce txt (j'espère ne pas être parti sur un pb XY...)

Pour avoir déjà eu ce genre de travail à faire, c'est la seule bonne méthode m'ayant permis d'avoir un travail efficace. En vrai, j'ai fais de l'interfaçage bash/python en m'appuyant du meilleur des deux mondes.

Mais dans ton cas, ça semble devenir compliqué à la vue du formatage résultant d'un PDF -> txt

Peut-être que d'autres formats seraient plus adaptés, mais il faut déjà tester, par exemple xml, html, qui utiliserait un module tel que lxml ou beautifulsoup ou ...

Tu auras peut-être des modules Python dédiés à la lecture de PDF qui peuvent rendre plus facile l'analyse, faut encore une fois tester. De mon côté cette partie ne me permettait pas de répondre à la demande de temps d'exécution maximum.

Sur le principe, je pense donc que ta solution n'est pas déconnant du tout !

regex qui retourne None

Python

Vue hybride

Discussions similaires

Partager

Partager