REGEX-Repérer des chaînes simples à la sauce Python

Version imprimable

Bonjour,
le code suivant contient un début de regex pour chercher des regexs à la sauce Python.

Cela ne fonctionne pas. J'ai mis des tests montrant les problèmes avec la regex utilisée.

Code:

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
#! /usr/bin/env python3
 
# Source : http://www.developpez.net/forums/d1173336/autres-langages/python-zope/general-python/regex-recuperer-contenu-entre-guillemets-possibilite-dutiliser/#post6443734
 
import re
 
# ``(...)`` sert à grouper des directives.
# ``.`` indique n'importe quel caractère.
# ``.*`` indique une suite éventuellement vide 
# de caractères quelconques.
# ``?<!...`` demande de vérifier que le caractère
# en cours d'analyse n'est pas précédé de ...
PATTERN = re.compile(r'"(.*?)(?<!\\)"')
 
someTexts = [
    r'Un petit texte et "autre chose \"entre des guillemets\" pour tester"' \
    + ' et voilà c\'est fini...',
        # OK
    r'Un petit texte et "et attention à ""r...',
        # OK
    r'Un petit texte et "et attention à \\"r...',
        # PAS OK : Chaîne bien fermée mais ce n'est pas vu
        # car ``\"`` est échapée alors que ``\\`` c'est qu'il est.
    r'Un petit texte et "et attention à \"r...',
        # OK
    r'Un petit texte et "et attention à \\""r...',
        # PAS OK : Chaîne fermée au mauvais endroit
        # car ``\"`` est échapée alors que ``\\`` c'est qu'il est.
    r'Un petit texte et "et attention à \""r...',
        # OK
]
 
for oneText in someTexts:
    search = re.search(PATTERN, oneText)
 
    print('---', oneText, sep="\n")
 
    if search:
        s = search.start()
        e = search.end()
 
        print(oneText[:s], oneText[s:e], oneText[e:], sep = ">>>")
 
    else:
        print('<< NOTHING FOUND ! >>')

11/01/2012, 10h00
mont29

Bah, j’avais juste oublié que le backslash pouvait lui aussi être échappé… :mouarf:

Suffit donc, dans le lookbehind négatif, de vérifier sur deux chars: "a\" passe pas, mais "\\" passe*:

Code:

r'"(.*?)(?<![^\\]\\)"'

:)

[EDIT] À la réflexion, ça ne passe pas s‘il y a trois backslashes de rang…Vais voir si on peut trouver plus générique (le problème étant que les lookbehind ne supportent malheureusement pas les patterns de longueur variable…).
11/01/2012, 10h18
mont29

Bon, du coup, je propose de laisser tomber le lookbehind, qui n’est plus assez souple…

Code:

r'"(.*?(?:[^\\](?:\\\\)*)+)"'

Ici, on cherche n’importe quoi en mode non-glouton, éventuellement suivi d’un nombre pair de backslashes. Ça m’a l’air de faire l’affaire. ;)

Bonsoir.

Cela ne marche pas dans le cas ci-dessous... :calim2:
Code:

1 2 3 --- Un petit texte et "et attention à \\""r... Un petit texte et >>>"et attention à \\"">>>r...
En effet, on devrait juste obtenir :
Code:

1 2 3 --- Un petit texte et "et attention à \\""r... Un petit texte et >>>"et attention à \\">>>"r...

11/01/2012, 19h39
mont29

Indeed… J’ai dû tester un peu vite. Mais je n’ai pas épuisé ma réserve de perversité retorse, et propose donc maintenant ceci*:

Code:

r'"(.*?(?=([^\\](?:\\\\)*)")[^\\](?:\\\\)*)"'

Puisque, ô rage, ô désespoir, il ne peut y avoir de lookbehind à géométrie variable, on va faire un lookahead (qui, lui, supporte n’importe quel type de motif), pour arrêter ce malgré tout trop glouton “n’importe quoi” dès qu’il trouve un guillemet précédé d’un nombre pair de backslashes (zéro inclus), puis consommer les dits backslashes (et le guillemet, mais hors groupe de capture, évidemment)…

Là, ça commence à devenir tordu… C’est le genre de regex qu’il faut sérieusement commenter, sous peine de remettre à chaque fois une heure à comprendre comment elle marche*! :mouarf:
12/01/2012, 10h16
rambc

Merci, cela semble faire l'affaire.

Je posterais ici une version commentée de la regex pour quelqu'un qui passerait par ici.