Discussion :

[alband85]

Bonjour,

je cherche à lire un fichier texte en ne sélectionnant que certaines lignes.
Pour celà, je pense utiliser une expression régulière. J'ai actuellement :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
String reg = "(?i)(?s)\\t(DET|ART|PRP|KON|PRO|DEM)";
Pattern p = Pattern.compile(reg);
while((line = br.readLine()) != null) {
  Matcher m = p.matcher(line);
  if(!m.matches()) {
    list.add(line.split(SEPARATEUR));
  } 
}

Mon fichier texte a cette allure (généré par TreeTagger) :

liberté NOM liberté
certains PRO:IND certain
termes NOM terme
répandus VER:pper répandus
comme KON comme
piratage NOM piratage
comportent VER:pres comporter
des PRP:det du
idées NOM idées
auxquelles PRO:REL auquel
nous PROER nous
espérons VER:futu espérons
que KON que
vous PROER vous
n' ADV ne
adhérerez VER:futu adhérerez
pas ADV pas

Je cherche à supprimer les mots « sans sens » (articles...).

La regex utilisée actuellement ne détecte rien... et je ne comprends pas pourquoi.

Merci pour votre aide !

Alban

[alband85]

Je me rends compte que le format de fichier n'est pas très clair.
En fait, c'est :

mot [tabulation] type de mot [tabulation] mot dans sa forme neutre

Et ce que je veux repérer, c'est le groupe « tabulation + type » (le type étant "codé" sur trois caractères en majuscule).

[darkxan]

Tu peux remplacer ta regex par ceci : "(DET|ART|PRP|KON|PRO|DEM)" ensuite il te suffit d'utiliser group() de la classe Matcher.

[adiGuba]

Salut,


Le pipe s'applique seulement sur les deux éléments l'entourant, et non pas sur un mot...

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

(DET|ART|PRP|KON|PRO|DEM)

Ceci signifie dans l'ordre : D, E , T ou A, R, T ou P, R, P ou K, O, N ou P ...

Pour faire ce que tu veux il serait préférable de faire ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

((DET)|(ART)|(PRP)|(KON)|(PRO)|(DEM))

Mais bon c'est pas très joli comme regexp.


Il faudrait savoir ce que tu veux faire avec cela précisément...


a++

[alband85]

Merci pour votre aide à tous les deux !
Ça me fait progresser dans la compréhension des regex... mais ça ne fonctionne pas ici

En fait, l'objectif est de « regarder » chaque ligne. Si le terme du milieu est ART ou PRP ou un autre élément de la liste, la ligne est à ignorer. Sinon, elle est à copier ailleurs.

Actuellement, avec toutes les expressions testées... toutes les lignes passent (donc aucune n'est "détectée" comme correspondant à la regex).

J'avoue que là, on dépasse plus que largement mes limites techniques...

[alband85]

Bon... en modifiant la méthode de lecture de la chaîne d'entrée... ça fonctionne. Ma string initiale devait être pourrie...

Désolé pour le bruit, et merci !