Discussion :

[Nifaste]

Bonsoir tout le monde, je suis debutante en python et j'ai un problème d'expression regulière :
En fait, je dois recuperer le code HTML de la page d'un site, et recuperer une information. Ca se presente de la forme :

plein de choses qui ne m'interesse pas ..... " identifier"="Nom du domaine ( info que je veux recuperer)" .... plein de choses qui ne m'interesse pas.

Donc, j'ai ecrit :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
import urllib
from re import *
 
def getproteinedomain(p):
    f = urllib.urlopen("http://pfam.sanger.ac.uk//protein/%s" %p)
    texte = f.read()
    i=string.index(texte,"identifier")
    expressReg=re.compile('''*identifier *= *"(.+?)"')
    express=expressReg.search(texte,i)
    return express

je pense que mon expression regulière est fausse, pourriez vous m'aider svp ?
En fait, je ne sais pas comment dire dans l'expression regulière que c'est forcement "identifier" = " ce qui m'interesse" qu'il faut que je recupère ...
Merci d'avance.

[Antoine_935]

Salut

Je présume que identifier est un attribut d'une des balises de cette page.
Dans ce cas, ceci devrait fonctionner:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
>>> tag = '<a href="index.php" identifier="Back home" />Go back home</a>'
>>> p = re.compile(r'\bidentifier\s*=\s*"([^"]+)"')
>>> p.findall(tag)
['Back home']

Explication de la regex:
1. \b signifie qu'on veut que le mot commence ici. Ca écarte donc les bidentifier, dindentifier, berf tout ce qui n'est pas identifier tout court.

2. \s* signifie 0, 1 ou plusieurs espaces blancs

3. [^"] Signifie "tout sauf des guillemets"
3.1 [] => tout ce qui est contenu ici
3.2 ^ => tout ce qui n'est pas contenu ici
3.3 " => tout sauf des guillemets

Note: les guillemets, en HTML, sont parfois remplacés par des apostrophes.

[Nifaste]

Non ce n'est pas une balise, en fait ca se trouve dans toute une liste un peu bizare ( je n'ai jamais fait de programmation we) : je copie colle ce que j'ai :

var layout = [{"length":"415","regions":[{"modelStart":"2","modelEnd":"78","colour":"#2dcf00","endStyle":"jagged","end":101,"display":true,"startStyle":"jagged","aliEnd":"99","modelLength":"81","text":"PDZ","href":"/family/PF00595","type":"pfama","metadata":{"scoreName":"e-value","score":"2.5e-07","description":"PDZ domain (Also known as DHR or GLGF)","end":"101","accession":"PF00595","database":"pfam","aliEnd":"99","identifier":"PDZ","type":"Domain","aliStart":"23","start":"22"},"aliStart":"23","start":22},{"modelStart":"1","modelEnd":"229","colour":"#ff5353","endStyle":"curved","end":"352","display":true,"startStyle":"curved","aliEnd":"352","modelLength":"229","text":"Arfaptin","href":"/family/PF06456","type":"pfama","metadata":{"scoreName":"e-value","score":"6.2e-82","description":"Arfaptin-like domain","end":"352","accession":"PF06456","database":"pfam","aliEnd":"352","identifier":"Arfaptin","type":"Domain","aliStart":"117","start":"117"},"aliStart":"117","start":117}],"markups":[],"metadata":{"database":"uniprot","identifier":"PICK1_HUMAN","description":"PRKCA-binding protein","organism":"Homo sapiens (Human)","accession":"Q9NRD5","taxid":"9606"},"motifs":[{"colour":"#00ffff","type":"coiled_coil","metadata":{"database":"ncoils","type":"coiled_coil","start":"146","end":"166"},"start":"146","end":"166","display":false},{"colour":"#86bcff","type":"low_complexity","metadata":{"database":"seg","score":"2.0800","type":"low_complexity","start":"376","end":"394"},"start":"376","end":"394","display":true}]}];

Et ce que je veux recuperer la dedans, c'est le premier "identifier" c'est pour ca que j'ai utilisé le string.index ...
Je vais tout de meme essayer avec ce que tu m'as fait !

[Antoine_935]

Ah, mais c'est du javascript ça

Tu as donc plusieurs solutions:
1. Tu te lances à l'assaut du javascript et tu fais ça dans ton navigateur favoris
2. Tu continues sur la lancée des regexes:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

p = re.compile(r'"indentifier":"([^"]*)"')

3. Tu coupes la chaine pour ne garder que la liste en elle-même (c'est à dire du premier [ au dernier ]), et tu te sers du module json pour le lire. Après, tu peux librement parcourir les infos et retrouver ce qu'il te plait.

[Nifaste]

Je suis obligée de le faire en python, c'est un projet en python, je vais continuer avec les expressions regulières !