Discussion :

[lennelei]

Bonjour à tous,

voilà mon petit souci. J'ai un fichier comportant sur chaque ligne un certain nombre de champs se suivant séparés par un espace et définis ainsi :
<NOM_CHAMP>:<VALEUR>
Je ne connais pas à l'avance les noms des champs, ni leur nombre. Les valeurs peuvent prendre à peu près n'importe quelle forme (alphanumérique, quelques symboles y compris espace et deux-points...).

Mon but est, vous l'aurez compris, de recréer un tableau plus classique à partir de ce fichier (au format type csv par exemple).

On peut prendre les règles suivantes quand même (pour simplifier un peu - voir script) :
1. pas de point-virgule ou de guillemets ou de caractères trop "chiants" =)
2. un nom de champ commence par une lettre et ne contient que des caractères alphanumériques ou underscore
3. conclusion de 1 & 2 : je repère chaque champ en trouvant un espace suivi d'une lettre éventuellement plusieurs caractères alphanumériques ou underscore et deux-points

J'ai réussi à faire un script qui fonctionne plutôt bien MAIS qui me pose problème au traitement du dernier champ de la ligne ^^ :

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
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
#!/usr/bin/perl
 
use strict;
 
open (FIC_E, "dsv.txt") or die ("dsv.txt : $!");
open (FIC_S, ">dsv.csv") or die ("dsv.csv : $!");
 
my $result;
my @keys;
my $nbrow=0;
 
while (<FIC_E>) {
	my @matches = m/(?:([a-zA-Z]\w+)\:(?:(.*?)\s?)(?=[a-zA-Z]\w+\:))/g;
 
	next if ($#matches <= 0);
	for (my $i=0; $i <= $#matches+1; $i+=2) {
		push (@{$result->{$matches[$i]}}, $matches[$i+1]);
		push (@keys,$matches[$i]) if ($nbrow == 0);
	}
	if (/([a-zA-Z]\w+)\:$/) {
		push (@{$result->{$1}}, "");
		push (@keys,$1) if ($nbrow == 0);
	}
	$nbrow++;
}
 
foreach my $key (@keys) {
	print FIC_S $key,";";
}
print FIC_S "\n";
for (my $i=0; $i < $nbrow; $i++) {
	foreach my $key (@keys) {
		print FIC_S '"',$result->{$key}->[$i],'";';
	}
	print FIC_S "\n";
}
 
close FIC_E;
close FIC_S;

La partie intéressante ici est bien entendu ma regexp :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
#m/(?:
#	([a-zA-Z]\w+)\: ==> définition d'un nom de champ : une lettre + alphanum ou underscore...
#	(?:(.*?)\s?) ==> capture des valeurs correspondantes : le \s? est là pour virer le dernier espace (oui, un champs peut n'être composé que d'espaces)
#	(?=[a-zA-Z]\w+\:) ==> je m'arrête quand je détecte un nouveau nom de champ
#)/g

Il y a peut-être (sûrement) mieux ? Quoiqu'il en soit, ça marche bien comme je l'ai dit, sauf pour le dernier champ puisqu'il ne trouve pas de nouveau nom de champ à la suite

Exemple
mon entrée:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
VAR:10 ID:0000000001 DATE: 2008-04-19 14:12:55
VAR: 1 ID:           DATE: 2008-04-19 14:13:15
VAR:10 ID:0000000009 DATE: 2008-04-19 14:14:32

ma sortie:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
VAR;ID;
"10";"0000000001";
" 1";"          ";
"10";"0000000009";

ce que je voudrais:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
VAR;ID;DATE;
"10";"0000000001";" 2008-04-19 14:12:55";
" 1";"          ";" 2008-04-19 14:13:15";
"10";"0000000009";" 2008-04-19 14:14:32";

merci =)

[Jasmine80]

Si ton but n'est que d'écrire les données dans un fichier de sortie, à ta place, je ferai plus simple, je ne passerai pas par un tableau récupérant les résultats.

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
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
#!/usr/bin/perl
 
use strict;
use warnings;
 
 
# créations des filehandles
open my $fic_e, '<', 'dsv.txt' or die "dsv.txt : $!";
open my $fic_s, '>', 'dsv.csv' or die "dsv.csv : $!";
 
 
 
while (my $line = <$fic_e>) {
 
	# format des lignes à récupéréer
	# VAR:10 ID:0000000001 DATE: 2008-04-19 14:12:55
	if ($line =~ m/^\s*([A-Z]+)\:\s*(.*?)\s*([A-Z]+)\:\s*(.*?)\s*([A-Z]+)\:\s*(.*?)$/){
 
		# on imprime les entêtes au premier passage dans la boucle
		if ($. == 1){
			#VAR;ID;DATE;
			print $fic_s "$1;$3;$5;\n";
		}
		#"10";"0000000001";" 2008-04-19 14:12:55";
		print $fic_s qq{"$2";"$4";"$6";\n};	
	}
	else{
		warn $line;
	}
}
 
# fermeture des filehandles 
close $fic_e;
close $fic_s;

La sortie est bien :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
"10";"0000000001";"2008-04-19 14:12:55";
" 1";"          ";"2008-04-19 14:13:15";
"10";"0000000009";"2008-04-19 14:14:32";

PS : j'ai volontairement supprimé l'espace devant la date mais tu peux facilement le récupérer via l'EXPREG si besoin est.

[Jasmine80]

Voila pour le cas général avec un nombre variables de champs (je me suis rendue compte en relisant, que le problème était plus compliqué).

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
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
#!/usr/bin/perl
 
use strict;
use warnings;
 
 
# créations des filehandles
open my $fic_e, '<', 'dsv.txt' or die "dsv.txt : $!";
open my $fic_s, '>', 'dsv.csv' or die "dsv.csv : $!";
 
my @recup;
 
 
while (my $line = <$fic_e>) {
 
 
	# format des lignes à récupéréer
	# VAR:10 ID:0000000001 DATE: 2008-04-19 14:12:55	
	while ( $line =~ m/([A-Z]+)\:\s?([^(:?A-Z+:)]+)/g){ 
 
		# récupération des entêtes lors de la lecture
		# de la première ligne
		if($.==1){
			print $fic_s "$1;";
		}
		push ( @{$recup[$.]}, $2 );	
	}
}
 
 
 
# impression ligne par ligne
for my $i (1..$#recup){
	print $fic_s "\n";
	map {print $fic_s qq{"$_";}} @{$recup[$i]};
}
 
 
# fermeture des filehandles 
close $fic_e;
close $fic_s;

VAR;ID;DATE;
"10 ";"0000000001 ";"2008-04-19 14";
"1 ";" ";"2008-04-19 14";
"10 ";"0000000009 ";"2008-04-19 14";

Il reste un problème au niveau du dernier champ composé de 2 parties. Seule la première est récupérée.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$line =~ m/([A-Z]+)\:\s?([^(:?A-Z+:)]+)/g

Je voudrais que dans le second couple de parenthèses on récupère tout ce qui n'est pas un groupe de majuscules suivi de deux points ... l'ennui est que la négation porte soit sur un groupe de majuscules, soit sur deux points mais pas sur le groupement. La récupération de $2 s'arrête donc dès qu'on tombe sur un groupe de majuscules ou sur 2 points et non quand on rencontre des majuscules suivies de 2 points. Qui sait comment résoudre ce problème? Merci.

[lennelei]

Alors, déjà, merci pour tes réponses : je n'ai pas tout relu, mais je vais jeter un oeil =)

Pour le moment, j'ai trouvé une solution toute conne hier soir : j'ai ajouté 2 petits caractères qui ont tout changé (enfin, 6 avec les parenthèses non capturantes :p) au niveau de la détection de la fin d'un champ !

J'ai modifié la regexp ainsi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
#m/(?:
#	([a-zA-Z]\w+)\: ==> définition d'un nom de champ : une lettre + alphanum ou underscore...
#	(?:(.*?)\s?) ==> capture des valeurs correspondantes : le \s? est là pour virer le dernier espace (oui, un champs peut n'être composé que d'espaces)
#	(?=[a-zA-Z]\w+\:) ==> je m'arrête quand je détecte un nouveau nom de champ
#)/g

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
#m/(?:
#	([a-zA-Z]\w+)\: ==> définition d'un nom de champ : une lettre + alphanum ou underscore...
#	(?:(.*?)\s?) ==> capture des valeurs correspondantes : le \s? est là pour virer le dernier espace (oui, un champs peut n'être composé que d'espaces)
#	(?=(?:[a-zA-Z]\w+\:)|$)) ==> je m'arrête quand je détecte un nouveau nom de champ OU la fin de la ligne !
#)/g

J'ai aussi viré mon second test qui devait récupérer le dernier champ quand il était vide. Je vais regarder tes réponses (et ta question :p) : il y a encore des trucs que je ne connais pas (map, qq et $.). Merci encore

[lennelei]

Pour répondre à ta question Jasmine80, je ne vois rien d'autre que ce que j'ai utilisé : à savoir tout capturer jusqu'à ce qu'on rencontre des majuscules suivies de 2 points.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$line =~ m/([A-Z]+)\:\s?(.*?)(?=(?:[A-Z]+\:|$))/g

Je ne sais pas comment dire de capturer tout ce qui n'est pas majuscules suivies de 2 points, donc je lui demande de tout capturer jusqu'à trouver des majuscules suivies de 2 points...

[Jasmine80]

Ton problème est-il donc résolu?