Discussion :

[Hydex]

B'jour!

Je dois étendre une classe python qui fait du parsing, mais pour cela je dois personnaliser la regexp donnée pour mon site.


C'est une question assez bête, mais j'ai commencé python hier, et ça fait une heure que je fais des essais qui me rendent "None" (pas de matchs), raaaaaah

Je veux récupérer login avec un m.group(1) ( obligatoire, c'est comme ça que la classe du dessus traite la regex ), avec m = re.search ('''???????''', '''(<tt><a href="https://truc.bidule.fr/machin/login/">login</a></tt>)''')

Je dois remplacer les ??????? par quoi pour récupérer login ?

j'ai coupé le html pour raccourcir, mais ce morceau se trouve évidemment dans une grosse page html

Merci d'avance

[Hydex]

/autorésolution

j'avais pas tout compris comme ça marchait...

Un test avec '''<tt><a href="\S*">([^<]*)</a></tt>''' m'a rendu ce que je voulais

[eyquem]

Salut hydex,


Ta RE interdit la présence du caractère ’<’ dans la chaîne du login.

Or je pense que le genre de répétition d’un login ou d’un mot de passe tel que celui qui se trouve dans ton exemple et que j’ai déjà observé est conçu pour permettre la plus grande liberté dans le choix du login ou du mot de passe. Avec une telle répétition, le système destiné à identifier le login ou le mot de passe peut le faire en présence de n’importe quelle chaîne tarabiscotée. C’est du moins la raison qui explique à mon avis une telle répétition.

Puisqu'elle est prévue pour d'après moi, dans une RE, il faut tenir compte de cette répétition et l'utiliser.


Avec la RE suivante, on peut détecter un login contenant ’<’ :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
import re
 
m =re.search ('''<tt><a href="\S*">([^<]*)</a></tt>''',
              '''(<tt><a href="https://truc.bidule.fr/'''
              '''machin/log<in/">log<in</a></tt>)''')
print m
 
m =re.search ('''<tt><a href="\S*(\S+)/">\\1</a></tt>''',
              '''(<tt><a href="https://truc.bidule.fr/'''
              '''machin/log<in/">log<in</a></tt>)''')
print m

None
<_sre.SRE_Match object at 0x010AEEE0>

On peut même détecter un motif vicieux:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
import re
 
m =re.search ('''<tt><a href="\S*(\S+)/">\\1</a></tt>''',
              '''(<tt><a href="https://truc.bidule.fr/'''
              '''machin/robin/">des/">bois/">robin/">des/">bois</a></tt>)''')
print m.group(1)

robin/">des/">bois