Discussion :

[nico85]

Bonjour,

Je souhaite analyser un fichier texte téléchargé et extraire les infos pour les insérer dans une bdd.

Pour le moment, je sais lire le fichier télécharger avec handle_uploaded_file et readline ou readlines

Mais je rame pour extraire les infos.

Le fichier en question se présente que ceci (en gros)

DEVIS NS.456 /SOCIETE/46/789 EN 18/02/2022
POUR ENTREPRISE 2

A

...

A

Je souhaite analyser ligne par ligne et extraire, j'ai essayé les regex, split, pas trop de réussite ...

De "DEVIS NS.456 /SOCIETE/46/789 EN 18/02/2022", il faut extraire DEVIS, 456, SOCIETE, 46/789 et la date

De la seconde ligne, il faut extraire ENTREPRISE

Des autres lignes, il faut extraire le bloc entre "A"

Cdt

[Bktero]

Le module parse est assez simple à prendre en main et plutôt efficace pour ce genre d'opérations :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
>>> import parse
>>> parse.parse("{} NS.{} /{}/{} EN {}", "DEVIS NS.456 /SOCIETE/46/789 EN 18/02/2022")
<Result ('DEVIS', '456', 'SOCIETE', '46/789', '18/02/2022') {}>

[Arioch]

Bonjour,

montrez le code que vous avez déjà testé svp.

Les expressions régulières peuvent facilement se tester/peaufiner/construire via le site web https://regex101.com/.

[nico85]

Bonjour,

Merci pour vos réponses.

J'ai utilisé le module parse qui fonctionne super bien pour ce que je souhaite faire.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
with file as fichier:
    ligne=fichier.readlines()
    ligne0 = parse.parse("{} NS.{} /{}/{} EN {}", ligne[0])
    ligne1 = parse.parse("POUR {}", ligne[1]
    ligne_grp = ligne[len('A\n\r'):-len('A')] # Permet de récupérer le contenu entre les balises 'A'

Cependant, il arrive que la ligne "POUR ...", se trouve à la 3ème ou 4ème ligne ou plus, donc comment faire pour récupérer le contenu alors que sont emplacement est variable ? Avec une regex pour le coup, un peu dans ce style:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

POUR[ : ](.+?)

Merci

Pour récupéré le contenu

[Bktero]

se trouve à la 3ème ou 4ème ligne ou plus

Il y a quoi dans les lignes 2, 3 ou plus, dans un tel cas ?

Il faut bien avoir conscience que si les formats des fichiers sont nombreux, variés et non prédictibles, écrire un soft robuste pour les livres peut devenir une tâche ardue.

On peut ruser avec parse :

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
17
18
import parse
 
content = """DEVIS NS.456 /SOCIETE/46/789 EN 18/02/2022
 
POUR ENTREPRISE 2
 
A
 
...bla
 
blabla...
 
A
"""
 
print(parse.parse("{} NS.{} /{}/{} EN {}\n{}", content))
print(parse.parse("{}\nPOUR {}\n{}", content))
print(parse.parse("{}\nA\n{}A\n", content))

On peut condenser ça en une ligne, et utiliser la capacité de parse à nommer certains champs trouvés. Cela permet de facilement ignorer les champs permettant de parser mais qui ne contiennent pas de données utiles :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
r = parse.parse("{devis} NS.{ns} /{societe}/{code} EN {date}\n{}POUR {pour}\n{}A\n{aa}A\n", content)
 
print('Named results = ', r.named)
print('Entre AA = ', r.named['aa'])
print('POUR = ', r.named['pour'])

Ca affiche :

Named results = {'devis': 'DEVIS', 'ns': '456', 'societe': 'SOCIETE', 'code': '46/789', 'date': '18/02/2022', 'pour': 'ENTREPRISE 2', 'aa': '\n...bla\n\nblabla...\n\n'}
Entre AA =
...bla

blabla...


POUR = ENTREPRISE 2

[nico85]

Il y a quoi dans les lignes 2, 3 ou plus, dans un tel cas ?

Dans un tel cas, il y a du texte. Pas de champ vide.

Je teste cela demain

Merci