assertions négatives

**SSJ17Vegeta** · 16/08/2010, 23h09

Bonjour à tous,

Je vous expose ici un problème d'expression régulière en apparence assez simple mais sur lequel je bloque depuis quelques temps : regex builders, assistants, rien n'y fait, pas moyen...

Le problème :
Je dois analyser un fichier texte complet et remplacer toutes les occurences d'un mot donné (ex: toto) par une certaine valeur (ex: titi), mais uniquement si ce mot n'est pas compris entre crochets ou accolades, directement ou indirectement (c'est-à-dire que dans l'exemple [un_mot toto tutu], toto ne doit pas être inclus).

Les solutions envisagées
J'ai lu quelques articles notamment sur les assertions négatives, pensant qu'une expression du genre (?<!\[)+(.*)toto(.*)+(?!\]) ferait l'affaire, en essayant plusieurs variantes, mais rien n'y a fait, même si leur usage m'a permis de m'approcher du résultat.

Votre aide serait donc grandement appréciée, aussi je vous en remercie d'avance

**Madfrix** · 17/08/2010, 00h04

Bonjour,

y'a forcément moyen avec les regex, mais sinon tu peux faire une fonction maison

Code php :

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
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
 
$chaine = 'dfsd toto[fgdfg toto dfds]dfg [d toto toto][toto';
 
function killToto($chaine, $replaceBy){
 
	$sortie = '';
	$isKillPossible = false;		
 
	$countChaine = strlen($chaine);
	$i=0;
 
	while(true){
		if($i > $countChaine)
			break;
 
		$c = substr($chaine, $i, 1);
 
		if($c == '['){
			$isKillPossible = true;
			$sortie .= $c;
		}elseif($c == ']'){
			$isKillPossible = false;
			$sortie .= $c;
		}elseif(strtolower($c) == 't' && $isKillPossible == true && strtolower(substr($chaine, $i, 4)) == 'toto' && verifNext($chaine, $i)){
			$sortie .= $replaceBy;
			$i += 4;
			continue;
		}else{
			$sortie .= $c;
		}
 
		$i++;
 
	}
 
	return $sortie;
 
}
 
function verifNext($chaine, $i){
 
	$countChaine = strlen($chaine);
 
	while(true){
 
		if($i > $countChaine)
			return false;
 
		if(substr($chaine, $i, 1) == ']')
			return true;
 
		$i++;
	}
 
}
 
echo killToto($chaine, 'ok');
 
//Affiche
dfsd toto[fgdfg ok dfds]dfg [d ok ok][toto

**SpaceFrog** · 17/08/2010, 08h29

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
$reg="~(?:<)(?>titi)(?>>)~";
$chaine="<titi>titititi<titi>titititititi<titi>titititititi";
$res=preg_replace($reg,'<b style="color:red">TOTO</b>',$chaine);
?>		
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
</head>
<body>
<?php
echo $res;
	?>
</body>
</html>

**eyquem** · 17/08/2010, 10h46

SpaceFrog, peux tu expliquer ta RE ~(?:<)(?>titi)(?>>)~ stp.

Je ne la comprends pas et en l’essayant sous Python, j’obtiens le message d’erreur:
error: unexpected end of pattern

Madfrix, ton code est impressionant mais étant donné que « y'a forcément moyen avec les regex » , il vaut mieux à mon avis chercher une vraie solution avec regex.

Pour ma part , j’ai rapidement trouvé une solution hier soir en Python, mais elle n’est valable que pour une modif tenant compte seulement des crochets.

Le principe en est de splitter la chaîne selon les segments ’[.........]’ : on obtient ainsi deux types de segments, qui alternent dans une liste.

Il suffit alors de ne faire le remplacement des 'totoi' que dans les segments autres que les ’[..............]’ , ce qui est facile puisqu’en parcourant la liste de la chaîne splittée, les segments ’[.................]’ sont tous avec des index impairs dans la liste (premier élément de la liste a index 0 ) et donc n’ont pas leurs totoi substitués tandis que les autres sont d’index pairs et ont leur 'totoi' remplacés.

Ensuite on recolle l’ensemble des segments.

Dans ce code, il y a deux regex:
une pour détecter les segments ’[....................]’ : (\[[^[\]]*\])

et l’autre pour détecter les mots ’totoi’ : (\W|\A)(toto\d)(\W|\Z)

les \W de part et d’autre signifient que ne sont considérés comme mots 'toto0', 'toto1', 'toto2' etc que les 'totoi' qui ne font pas partie d’un mot plus long
Les \A et \Z sont là parce que le mot 'totoi' peut être au début ou à la fin du segment résultant de la découpe par split().

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
ch = '''ab toto0 cd fg[h kj toto1 mnh ] uk toto2 [ju toto3] pa toto4[toto5 vfr]
fd toto6 qw [toto7 nhft [jkiu toto8 k]toto9 nb [ard toto0 pototo1 f[ru toto2 n]'''

import re

pat = re.compile('(\[[^[\]]*\])')
pat_totod = re.compile('(\W|\A)(toto\d)(\W|\Z)')

print ch,'\n'
print pat.split(ch),'\n'
print ''.join( pat_totod.sub('\\1EDGAR\\3',u) if i%2==0 else u
               for i,u in enumerate( pat.split(ch) ) )

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
ab toto0 cd fg[h kj toto1 mnh ] uk toto2 [ju toto3] pa toto4[toto5 vfr]
fd toto6 qw [toto7 nhft [jkiu toto8 k]toto9 nb [ard toto0 pototo1 f[ru toto2 n] 

['ab toto0 cd fg', '[h kj toto1 mnh ]', ' uk toto2 ', '[ju toto3]', ' pa toto4', '[toto5 vfr]', '\nfd toto6 qw [toto7 nhft ', '[jkiu toto8 k]', 'toto9 nb [ard toto0 pototo1 f', '[ru toto2 n]', ''] 

ab EDGAR cd fg[h kj toto1 mnh ] uk EDGAR [ju toto3] pa EDGAR[toto5 vfr]
fd EDGAR qw [EDGAR nhft [jkiu toto8 k]EDGAR nb [ard EDGAR pototo1 f[ru toto2 n]

Le problème de ce code, c’est que ça ne traite que par rapport aux crochets et que rajouter la prise en compte des accolades, ça corse le problème et jusqu’à présent j’ai calé.
J’ai une vague idée ce matin, il faut que je vois ça.

Il faut aussi remarquer que les résultats dépendent de la façon dont on définit la RE pour capturer les segments ’[...................]’.

J’ai fait en sorte qu’entre les deux crochets extrèmes d’un segment ’[........................]’ , il n’y ait pas de signe ’]’ ni de ’[’. On pourrait en décider autrement. Mais comme ce n’est pas précisé dans la question, j’ai fait un choix.

Est-ce qu’on pourrait avoir une directive sur ce point stp SSJ17Vegeta.

PS

J’aurais bien essayé de coder en PHP mais j’ai retéléchargé et réinstallé WAMP5 et je n’arrive plus à exécuter des codes comme avant.

J’ai un fichier C:\wamp\www\fichier.php dans www directory, mais quand je vais dans http://localhost/ je ne le vois pas. Il me semble que c’était bien ainsi que je faisais avant: aller dans http://localhost/. Est-ce correct ?

D’autre part, les fichiers doivent-ils bien avoir l’extension .php ?

**SpaceFrog** · 17/08/2010, 11h38

je pense qu'en python il faut echapper les < ou >

en fait la reg devrait être

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$reg="~(?:<)(?>titi)(?>(?:>))~";

(?:<) => groupe non capturant < ouvrant
(?>titi) suivi de titi
(?>(?:>)) suivi d'un groupe non capturant > fermant

**eyquem** · 17/08/2010, 15h38

En python les assertions s’écrivent:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
?=     assertion positive en avant
?!     assertion négative en avant
 
?<=     assertion positive en arrière
?<!     assertion négative en arrière

Ta RE se traduit par " (?:\[)(?=titi)(?=(?:\])) " en Python si je comprends bien.

J’ai mis des [ et ] à la place des < et > puisque SSJ17Vegeta parle de crochets et accolades.

Je ne comprends pas ta logique.
Le mot titi n’est pas censé se trouver juste après un crochet ouvrant comme l'exprime (?:\[)(?=titi)

En plus s’il n’y a que des (?: ) et (?= ) , je ne vois pas ce qui est capturé.

En outre, en Python une assertion ne définit pas un groupe capturant. Est-ce différent en PHP ?

Est-ce que tu as fait tourner ton code, SpaceFrog ?
Quel résultat obtiens tu sur avec les chaînes suivantes ?

'''ab toto0 cd fg[h kj toto1 mnh ] uk toto2 [ju toto3] pa toto4[toto5 vfr]
fd toto6 qw [toto7 nhft [jkiu toto8 k]toto9 nb [ard toto0 pototo1 f[ru toto2 n]'''

'''ab toto0 cd fg[h kj toto1 mnh ] uk toto2 gt{jh toto3 bg} ff
de { bbfe toto4++ {ngt toto5} vu [gtre { gt toto6 y]mju} hh
fd {ggdug toto7 fdg[ {kju toto8 sd[ gtre ==toto9 {[toto0 ku} gf
{{{ gtr [lkj toto1 bg]]]]] { gt toto2}}[{}} gtr toto3]}
[ju toto3] pa{j toto4[ toto5 v}fr{]{ kiu ]{kju toto6 toto7 {} toto8]
fd toto6 qw [toto7 nhft [jkiu toto8 k]toto9 nb [ard toto0 pototo1 f[ru toto2 n]'''

assertions négatives

Langage PHP

Vue hybride

Discussions similaires

Partager

Partager