Validation et category escape

Bonjour,

La question a peut-être déjà été posée, mais je ne l'ai pas trouvé :/

Je veux valider des fichiers XML avec une XSD, jusque là rien de spécial. Dans ma XSD, je veux définir une string avec un pattern spécifique, pour définir une chaine alphanumérique, avec

Code:

---

1 2 3

<xs:restriction base="xs:string"> <xs:pattern value="\p{Alnum}"/> </xs:restriction>

---

Bon, j'ai une erreur qui me dit en gros

Citation:

---

"is not a valid regular expression . unknown property. "

---

En remplaçant par le pattern

Code:

---

[a-zA-Z0-9]

---

ça marche bien ...

J'ai donc deux questions :
1) Y a-t-il une différence entre ces 2 patterns (en lisant les docs je ne crois pas, pour moi ils sont identiques)
2) Pourquoi en "mode" escaped category ça ne fonctionne pas ?

Merci merci :)

Ben c'est surtout qu'il n'y a aucune catégorie nommée Alnum, quoi.
Et puis bon, en termes de catégories Unicode, en chercher une qui corresponde à la fois aux lettres et aux chiffres est un peu contradictoire. L'idée c'est que les deux concepts lettre et chiffre soient mutuellement exclusifs.

oui effectivement j'ai mal lu, j'ai confondu la doc java et la doc xml schema :(

Mais en terme de java alors (pas xml schema vu que alnum n'existe pas), est-ce que ces 2 patterns sont bien équivalents ?

En fait, je peux mettre plus élégamment [\p{L}\p{N}] :)

En termes de Java, avec les regex basées sur la classe Pattern, la JavaDoc confirmera que c'est équivalent.

Par contre [\p{L}\p{N}], outre le fait que c'est super pas pratique, n'est pas totalement équivalent aux deux autres. Les deux autres ne s'intéressent qu'aux caractères ASCII, alors que ce pattern acceptera aussi les lettres accentuées, grecques, russes, arabes, les idéogrammes et tout le toutim, et tous les chiffres des autres systèmes d'écritures que le nôtre.

bah pas super pratique, j'aime bien moi :D

Merci pour la précision en tout cas, effectivement c'est une différence de taille ... En suivant la doc Java on voit bien que c'est ASCII, par contre j'étais passé à coté en ce qui concerne [\p{L}\p{N}], je l'avais pas vu sur la doc de xmlschema ...

pour résumer, sur ce lien, je trouve les équivalence :

Citation:

---

[a-zA-Z0-9] (ascii) [\p{L&}\p{Nd}] (unicode) \p{Alnum} (java)

---

ça devient clair, merce :)

Je ne sais pas trop où tu as vu \p{L&}, mais \p{Nd} accepte bien plus de choses que [0-9]. Il accepte toute sorte de chiffre de n'importe quelle langue et n'importe quel système d'écriture, à condition qu'il soit décimal (fasse partie d'un système de décompte à 10 chiffres dont le zéro.)

Là, ça m'a un peu retourné la tête

http://www.regular-expressions.info/posixbrackets.html

je pense qu'ils mettent une sorte de comparaison de différentes catégories, sans que ce soit une équivalence ...

Apparemment. Aussi, ils ne se focalisent pas sur un langage de regex en particulier, et présentent à la place un joyeux melting pot des différents langages de regex semblables à celui de POSIX.

Oui c'est un peu confusant tout ça, heureusement qu'ils y a des forums pour en parler :)