Discussion :

[vuvu960]

Bonjour à tous,

Mes données:
Des PDF numériques

Mon objectif:
Créer des Pattern Regex pour sélectionner les éléments dont j'ai besoin dans les PDF (cela fonctionne déjà bien)

Mon problème:
Je voudrais savoir si je peux introduire une condition dans un pattern. Voici par exemple mon problème: j'ai de temps en temps du contenu qui, à cause de sa longueur, fait un retour à la ligne alors que la majorité du temps ça n'est pas le cas. Ce cas se produit s'il s'agit d'un produit unitaire et donc avec la phrase "votre commande à une valeur de". Est-il possible de ne faire qu'un seul pattern au lieu de deux ?

Du coup, mon pattern (sans retour à la ligne) est de type :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
pattern_pieces['retour']=
'(?P<Quantite>\d+) ('vos commandes pour un montant de|vos commandes sont') . ' \
'(?P<Montant>\d*[.]?\d+[,]\d{2})\\n' \

Mais, si j'ai un retour à la ligne alors mon pattern serait plutôt:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
pattern_pieces['retour']=
'(?P<Quantite>\d+) ("votre commande à une valeur de") .\\n ' \ #je dois ici ajouter un saut de ligne
'(?P<Montant>\d*[.]?\d+[,]\d{2})\\n' \

Merci à vous,

[wiztricks]

Est-il possible de ne faire qu'un seul pattern au lieu de deux ?

Tout dépend comment on pose le problème: si on dit qu'on cherche à matcher un pattern de la forme AXE ou AYE, plutôt que d'écrire 2 regexp, on va écrire 'A(X|Y)E)'. Idée à appliquer à votre cas particulier.... en notant qu'un forum Python n'a rien à voir avec le mini-langage des expressions régulières.

- W

[Sve@r]

Bonjour

Je voudrais savoir si je peux introduire une condition dans un pattern.

Pas dans le peu que je connais des regex.
Mais tu peux parfaitement introduire une condition dans la création d'une variable. Style variable="xxx" if expression else "yyy". A toi de trouver l'expression qui détecte "retour de ligne présent ou pas" pour créer le bon pattern.

Mais, si j'ai un retour à la ligne alors mon pattern serait plutôt:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
pattern_pieces=['retour']=
'(?P<Quantite>\d+) ("votre commande à une valeur de") .\\n ' \
'(?P<Montant>\d*[.]?\d+[,]\d{2})\\n' \

Ecrire variable=["string"]=valeur n'est pas autorisé. Et es-tu sûr de l'accent pour le "à" ???

[vuvu960]

Tout dépend comment on pose le problème: si on dit qu'on cherche à matcher un pattern de la forme AXE ou AYE, plutôt que d'écrire 2 regexp, on va écrire 'A(X|Y)E)'. Idée à appliquer à votre cas particulier.... en notant qu'un forum Python n'a rien à voir avec le mini-langage des expressions régulières.

- W

tout à fait d'accord, je me suis trompé de section. désolé aux admins.

Par contre, bien que je comprends votre exemple AXE ou AYE comment comment l'appliquer dans mon cas dans la mesure ou ce n'est pas ça ou ça mais plutôt si c'est ça alors tu dois faire un saut de ligne. L'idée n'est pas d'avoir 2 ou 3 choix possibles mais que s'il s'agit d'un des trois choix alors il faudra faire un saut à la ligne mais pas pour les deux autres.

[vuvu960]

Bonjour

Pas dans le peu que je connais des regex.
Mais tu peux parfaitement introduire une condition dans la création d'une variable. Style variable="xxx" if expression else "yyy". A toi de trouver l'expression qui détecte "retour de ligne présent ou pas" pour créer le bon pattern.


Ecrire variable=["string"]=valeur n'est pas autorisé. Et es-tu sûr de l'accent pour le "à" ???

désolé erreur de frappe, je corrige le premier post

[wiztricks]

comment l'appliquer dans mon cas dans la mesure ou ce n'est pas ça ou ça mais plutôt si c'est ça alors tu dois faire un saut de ligne.

Le but d'une expression régulière est de vérifier la conformité d'une chaine de caractères à un pattern pour en extraire des informations pertinentes pas de générer du texte.
"faire un saut de ligne" n'a aucun sens ici: ça "matche" avec ou sans...

- W

[vuvu960]

Le but d'une expression régulière est de vérifier la conformité d'une chaine de caractères à un pattern pour en extraire des informations pertinentes pas de générer du texte.
"faire un saut de ligne" n'a aucun sens ici: ça "matche" avec ou sans...

- W

oui je suis bien d'accord avec vous, le problème c'est que si pour ce "MATCH" précis je n'applique pas le saut de ligne présent dans mon PDF ça ne fonctionne pas et si je l'ajoute comme dans mon premier post (deuxième cas), ça fonctionne.

Mais je me dis qu'il doit y avoir moyen de solutionner tout ça dans un seul pattern et pas d'en faire deux mais peut-être que je me trompe?

[jurassic pork]

Hello,
il faudrait que tu nous donnes un échantillon représentatif de la chaîne source pour pouvoir voir ce que l'on peut faire.

Avec ce code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
import re
source = """
vos commandes pour un montant de 10 euros
vos commandes sont de 400 euros
votre commande à une valeur de
2000 euros
"""
motif = "(vos commandes pour un montant de|vos commandes sont|votre commande à une valeur de)[\s\w\n]+?(?P<Montant>\d+)"
match = re.findall(motif, source,re.MULTILINE)
print(match)

j'obtiens ceci :

[('vos commandes pour un montant de', '10'), ('vos commandes sont', '400'), ('votre commande à une valeur de', '2000')]

Ami calmant, J.P

[wiztricks]

Mais je me dis qu'il doit y avoir moyen de solutionner tout ça dans un seul pattern et pas d'en faire deux mais peut-être que je me trompe?

Vous vous trompez... mais, si vous ne savez pas faire avec, essayer de faire sans avec le python que vous maîtrisez.

note: une expression régulière s'utilise comme argument d'une fonction du module re.... qu'on peut toujours emballer dans une fonction à soi qui ait la même interface mais qui fera plus pas à pas.

- W

[Sve@r]

Mais je me dis qu'il doit y avoir moyen de solutionner tout ça dans un seul pattern et pas d'en faire deux

En quoi serait-ce gênant d'en faire deux???
Regarde comment on peut associer la puissance de Python dans l'exemple de jurassic pork...

Code python :

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
import re
source = """
vos commandes pour un montant de 10 euros
vos commandes sont de 400 euros
votre commande a une valeur de
2000 euros
"""
 
patterns=(
	"vos commandes pour un montant de",
	"vos commandes sont",
	"votre commande a une valeur de",
)
 
motif = "(%s)[\s\w\n]+?(?P<Montant>\d+)" % "|".join(patterns)
match = re.findall(motif, source, re.MULTILINE)
print(match)

Tu as d'autres patterns posibles? Tu les rajoutes simplement dans le tuple. Tu veux faire ça plus configurable? Tu mets tes pattern dans un fichier texte que tu lis au départ pour les stocker dans un tuple tel que j'ai créé mon "patterns"
Et dans tous les cas, Python réajuste tout ça automatiquement pour en faire une regex propre...

[vuvu960]

Merci à jurassic pork et Sve@r et tous les autres vous avez bien compris mon problème. Merci pour votre aide, je passe en résolu.

[CosmoKnacki]

Une pattern ça peut être souple. Visiblement ce qui t'intéresse c'est la quantité et le montant (les deux groupes que tu as pris la peine de nommer), on se fiche de savoir combien et de quelle nature sont les "caractères blancs" qui séparent les différents éléments, autant rester évasif et utiliser \s+:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

pattern = '(?P<Quantite>\d+)\s+(?:vos commandes pour un montant de|vos commandes sont|votre commande a une valeur de)\s+(?P<Montant>\d*[.]?\d+,\d\d)\n'

Tu pourrais même pousser le bouchon jusqu'à réduire la précision sur les phrases au milieu (en restant raisonnable):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

pattern = '(?P<Quantite>\d+)\s+vo\w* commandes? (?:\w+ )+?(?:de|sont)\s+(?P<Montant>\d*[.]?\d+,\d\d)\n'

(vo...commande...de/sont) ça doit être suffisamment discriminant pour éviter les faux positifs; au pire tu changes (?:\w+ )+? pour (?:\w+ ){1,3}.

[vuvu960]

Une pattern ça peut être souple. Visiblement ce qui t'intéresse c'est la quantité et le montant (les deux groupes que tu as pris la peine de nommer), on se fiche de savoir combien et de quelle nature sont les "caractères blancs" qui séparent les différents éléments, autant rester évasif et utiliser \s+:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

pattern = '(?P<Quantite>\d+)\s+(?:vos commandes pour un montant de|vos commandes sont|votre commande a une valeur de)\s+(?P<Montant>\d*[.]?\d+,\d\d)\n'

Tu pourrais même pousser le bouchon jusqu'à réduire la précision sur les phrases au milieu (en restant raisonnable):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

pattern = '(?P<Quantite>\d+)\s+vo\w* commandes? (?:\w+ )+?(?:de|sont)\s+(?P<Montant>\d*[.]?\d+,\d\d)\n'

(vo...commande...de/sont) ça doit être suffisamment discriminant pour éviter les faux positifs; au pire tu changes (?:\w+ )+? pour (?:\w+ ){1,3}.

Wow c'est bon ça, merci pour ce détail, ça va m'aider, top !