Regex SED / comportement différent sous Notepad++

Bonjour,

Je débute dans les expressions régulières avec SED.

Le problème est le suivant. Je souhaite extraire le nom d'un dossier dans mon path qui peut varier (actuellement je cible ce nom de dossier avec un split awk)

path :

Code:

---

H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/toto_tata/eeeeee.txt

---

expression régulière qui fonctionne sous notepad++ :

Code:

---

(.*?\_toto\/)(.+?)(\/.+)

---

la commande SED utilisée est la suivante :

Code:

---

echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/toto_tata/eeeeee.txt"| sed -r 's/(.*?)\_toto\/(.+?)(\/.+)/ \2/'

---

résultat sous notepad++ : "my_folder"
résultat avec SED : "my_folder/zzzz/eee_rr_tt/toto_tata"

Avez-vous une solution afin que mon expression régulière ait le même comportement via SED?

Bonjour,
Différence en rouge:

Code:

---

echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/toto_tata/eeeeee.txt"| sed -r 's/(.*?)\_toto\/([^\/]+?)(\/.+)/ \2/'

---

Bonjour,

Code:

---

1 2 3 4 5 6 7 8 9

$ echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/toto_tata/eeeeee.txt"| sed -r 's/(.*?)\_toto\/(.+?)(\/.+)/ \2/' my_folder/zzzz/eee_rr_tt/toto_tata $ echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/toto_tata/eeeeee.txt"| sed -r 's/(.*?)\_toto\/([^\/]+?)(\/.+)/ \2/' my_folder $ echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/toto_tata/eeeeee.txt"| awk -F'/' '{print $7}' my_folder $ echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/toto_tata/eeeeee.txt"| awk -F'/' '{for (i=1;i<=NF;i++) if ($i~/toto$/) print $(i+1)}' my_folder $

---

Et le pendant sed de "awk -F'/' '{print $7}'":

Code:

---

1 2	$ echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/toto_tata/eeeeee.txt"| sed -r 's/(([^\/]+)\/){7}.+/\2/' my_folder

---

Ce "print $7" n'était là que pour ouvrir des horizons. Sinon, il est plus simple d'utiliser un bon vieux "cut":

Code:

---

1 2	$ echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/toto_tata/eeeeee.txt"| cut -d/ -f7 my_folder

---

Sed en mode étendu n'interprète pas .+? comme tu pourrais t'y attendre. Dans ce contexte, la notion de quantificateur non-gourmand n'existe tout simplement pas. .+? est ici interprété comme (.+)?. Par exemple, si tu écris:

Code:

---

echo '/root/_toto/' | sed -r 's/_toto[^\/]+?//'

---

tu obtiendras /root//.

Donc la solution est d'utiliser comme l'a suggéré disedorgue, une classe de caractère excluant le slash. Par contre tu peux enlever tous les points d'interrogation ainsi que l'échappement du underscore qui n'est pas un caractère spécial. Tu peux aussi changer de délimiteur pour éviter d'avoir à échapper tous les slashes et retirer les groupes inutiles.

Code:

---

sed -r 's#.*_toto/([^/]+)/.*# \1#'

---

Un seul problème demeure, si tu as plusieurs fois _toto/ sur la même ligne, tu obtiendras toujours le résultat pour la dernière occurrence. Dans ce cas on peut utiliser une boucle conditionnelle pour amener la première occurrence au début de la chaîne:

Code:

---

sed -r ':a;s/^[^_]*_//;s#^toto/([^/]+)/.*# \1#;ta'

---

Si on a plusieurs fois le même pattern (dans notre cas "_toto") et que l'on sait lequel nous intéresse, on peut éventuellement le faire en 2 passes:

Code:

---

1 2 3 4

echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" | sed -r 's#[^_]_toto/#GERIKO#1;s#.*GERIKO([^/]*)/.*#\1#' my_folder $ echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" | sed -r 's#[^_]_toto/#GERIKO#2;s#.*GERIKO([^/]*)/.*#\1#' tata

---

[HS]

Citation:

---

Envoyé par CosmoKnacki

Tu peux aussi changer de délimiteur pour éviter d'avoir à échapper tous les slashes et retirer les groupes inutiles.

Code:

---

sed -r 's#.*_toto/([^/]+)/.*# \1#'

---

---

Personnellement et en ce qui me concerne moi-même en personne, je n'aime pas beaucoup le caractère "barre oblique" comme séparateur dans les substitutes de sed.
Je sais bien que c'est le caractère le plus habituel, mais, outre le fait qu'il tombe souvent (comme ici) en conflit avec le séparateur de chemins, je trouve qu'il nuit à la lisibilité (notamment par son "caractère" (sic!) oblique).
Je n'aime pas trop non plus le dièse que je trouve "lourd" et "encombrant" (en termes de pixels).
Je leur préfère la "barre verticale" car je trouve que sa sobriété (léger espacement à gauche et à droite) facilite la lecture:

Code:

---

sed -r 's|.*_toto/([^/]+)/.*| \1|'

---

Après, les coups et les douleurs...
[/HS]

Citation:

---

Envoyé par sebyo

Je souhaite extraire le nom d'un dossier dans mon path qui peut varier (actuellement je cible ce nom de dossier avec un split awk)

path :

Code:

---

H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/toto_tata/eeeeee.txt

---

expression régulière qui fonctionne sous notepad++ :

Code:

---

(.*?\_toto\/)(.+?)(\/.+)

---

Avez-vous une solution afin que mon expression régulière ait le même comportement via SED?

---

Je suis surpris autant qu'étonné de ne pas voir intervenir N_BaH. Serait-il en vacances? ;)

ou alors, c'est parce que l'utilisateur demande plus ou moins explicitement une regexp sed?

Bref, voici une proposition de solution plutôt assez simple en bash:

Code:

---

1 2 3 4 5 6 7

$ mypath="H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/toto_tata/eeeeee.txt" $ mypath=${mypath#*_toto/} $ echo ${mypath} my_folder/zzzz/eee_rr_tt/toto_tata/eeeeee.txt $ mypath=${mypath%%/*} $ echo ${mypath} my_folder

---

:P

Citation:

---

Je leur préfère la "barre verticale"

---

Dans une conduite, la première chose que l'on recherche, ce sont les barres verticales pour séparer les instructions. Pas très lisible, donc.

Citation:

---

Envoyé par Flodelarab

Dans une conduite, la première chose que l'on recherche, ce sont les barres verticales pour séparer les instructions. Pas très lisible, donc.

---

C'est pas faux!
Mais, comme je ne suis pas très expert en awk et sed, j'ai souvent plusieurs instructions chaînées (probablement plus qu'il n'en faudrait :oops:).
Et comme j'aime bien que ce soit lisible et pouvoir facilement en changer l'ordre, en enlever ou en ajouter, je choisis généralement de finir chaque instruction par une séquence "TAB \ RET" (avec ce qu'il faut comme indentation (gérée par emacs (évidemment))).
Du coup, les "pipes" séparateurs d'instructions sont tous en début de ligne... ce qui fait que je n'ai pas à les chercher!
Voili!

Citation:

---

Envoyé par disedorgue

Et le pendant sed de "awk -F'/' '{print $7}'":

Code:

---

1 2	$ echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/toto_tata/eeeeee.txt"| sed -r 's/(([^\/]+)\/){7}.+/\2/' my_folder

---

---

Pour mon cas je veux éviter de me focaliser sur l'argument n°7 par exemple. Mon mot clef "my_folder" doit pouvoir être quasiment partout. Il est juste précédé de "_toto".

A savoir que le "_toto" peut effectivement se retrouver plusieurs fois dans le path.

la solution suivante semble être la plus adaptée :

Citation:

---

Envoyé par disedorgue

Si on a plusieurs fois le même pattern (dans notre cas "_toto") et que l'on sait lequel nous intéresse, on peut éventuellement le faire en 2 passes:

Code:

---

1 2 3 4

echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" | sed -r 's#[^_]_toto/#GERIKO#1;s#.*GERIKO([^/]*)/.*#\1#' my_folder $ echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" | sed -r 's#[^_]_toto/#GERIKO#2;s#.*GERIKO([^/]*)/.*#\1#' tata

---

---

Par contre je n'ai pas saisie toutes les subtilités de cette syntaxe.. :?

En tout cas merci pour toutes ces réponses!!

Sebyo

Et que penses-tu de la solution bash que j'ai proposée:

Code:

---

1 2 3 4

$ mypath="H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" $ mypath=${mypath#*_toto/} # retirer le plus court chemin à gauche contenant *_toto/ $ echo ${mypath%%/*} # retirer le / et tout ce qui suit my_folder

---

Citation:

---

A savoir que le "_toto" peut effectivement se retrouver plusieurs fois dans le path.

---

Et donc dans ce cas tu vises quoi? Le premier, le dernier, le niéme, tous?

Citation:

---

Envoyé par CosmoKnacki

Et donc dans ce cas tu vises quoi? Le premier, le dernier, le niéme, tous?

---

Avec cette technique, on peut viser de manière simple le premier ou le dernier!

Code:

---

mypath="H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt"

---

Pour viser le premier:

Code:

---

1 2 3

mypath1=${mypath#*_toto/} echo ${mypath1%%/*} my_folder

---

Pour viser le dernier:

Code:

---

1 2 3

mypath2=${mypath##*_toto/} echo ${mypath2%%/*} tata

---

Citation:

---

Envoyé par sebyo

Pour mon cas je veux éviter de me focaliser sur l'argument n°7 par exemple. Mon mot clef "my_folder" doit pouvoir être quasiment partout. Il est juste précédé de "_toto".

A savoir que le "_toto" peut effectivement se retrouver plusieurs fois dans le path.

la solution suivante semble être la plus adaptée :


Par contre je n'ai pas saisie toutes les subtilités de cette syntaxe.. :?

En tout cas merci pour toutes ces réponses!!

Sebyo

---

Code:

---

1 2 3 4

echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" | sed -r 's#[^_]_toto/#GERIKO#1;s#.*GERIKO([^/]*)/.*#\1#' my_folder $ echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" | sed -r 's#[^_]_toto/#GERIKO#2;s#.*GERIKO([^/]*)/.*#\1#' tata

---

Ici, l'astuce est de faire 2 commande sed:
s#[^_]_toto/#GERIKO#nieme ==> ici, on modifie le "nieme" _toto par "GERIKO"
s#.*GERIKO([^/]*)/.*#\1# ==> ici, on ne récupère que ce qui se trouve entre "GERIKO/" et le "/" suivant

Par contre, je remarque une typo inutile sur la première commande qui peut porter à confusion, la bonne syntaxe serait plutôt:
s#_toto/#GERIKO#niemedonc, par exemple, pour le 2ème _toto:

Code:

---

1 2	$ echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" | sed -r 's#_toto/#GERIKO#2;s#.*GERIKO([^/]*)/.*#\1#' tata

---

Citation:

---

Envoyé par jack-ft

Et que penses-tu de la solution bash que j'ai proposée:

Code:

---

1 2 3 4

$ mypath="H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" $ mypath=${mypath#*_toto/} # retirer le plus court chemin à gauche contenant *_toto/ $ echo ${mypath%%/*} # retirer le / et tout ce qui suit my_folder

---

---

Cette solution fonctionne également. Si je me trompe pas c'est la même chose qui est fait mais sur deux lignes. ô_o

Pour répondre à la question, c'est le premier "_toto" que je souhaite cibler.

Dans mon cas je voulais faire ça directement avec une seule expression régulière. Cela n'est pas possible avec SED qui prend pas en compte la notion de quantificateur non-gourmand si j'ai bien compris les commentaires plus haut..

Merci disedorgue pour les explications sur la syntaxe utilisée et merci aux autres pour tous les éléments apportés au sujet.

Sebyo

Au pire, tu peux le faire via perl qui accepte lui les quantificateurs non gourmand:

Code:

---

1 2	$ echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" | perl -p -e 's#.*?_toto/(.*?)/.*#\1#' my_folder

---

qui d'ailleurs en copiant/collant la regex que tu donnais dans ton premier post, fonctionne bien ;):

Code:

---

1 2	echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" | perl -p -e 's/(.*?)\_toto\/(.+?)(\/.+)/ \2/' my_folder

---

OK, donc pour obtenir la première occurrence avec sed:

Code:

---

sed -r 's#_toto(/[^/]+)/.*#\1#;s#.*/##;'

---

Détail de la commande:

Code:

---

1 2	s#_toto(/[^/]+)/.*#\1#; // on attrape le premier "_toto", on capture le folder suivant et on efface le reste s#.*/##; // on efface tout jusqu'au dernier slash inclus

---

Citation:

---

Envoyé par disedorgue

Au pire, tu peux le faire via perl qui accepte lui les quantificateurs non gourmand:

Code:

---

1 2	$ echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" | perl -p -e 's#.*?_toto/(.*?)/.*#\1#' my_folder

---

qui d'ailleurs en copiant/collant la regex que tu donnais dans ton premier post, fonctionne bien ;):

Code:

---

1 2	echo "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" | perl -p -e 's/(.*?)\_toto\/(.+?)(\/.+)/ \2/' my_folder

---

---

Je valide perl :-), merci c'est top. J'avais pris SED un peu au pif. Je vais aussi m'intéresser à Perl du coup.

CosmoKnacki ta solution est intéressant aussi. :-)

Citation:

---

Envoyé par sebyo

Cette solution fonctionne également. Si je me trompe pas c'est la même chose qui est fait mais sur deux lignes. ô_o

---

On peut, à assez peu de frais, la mettre sur une seule ligne, si tu y tiens! :mouarf:

Code:

---

1 2	mypath="H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" mypath=${mypath#*_toto/}; echo ${mypath%%/*}

---

J'ai besoin de comprendre en quoi cela te gêne. :koi:

Est-ce un problème de syntaxe, d'efficacité ou autre?

Pour l'efficacité (je parle sous le contrôle de N_BaH (ou d'autres spécialistes!)), il faut savoir que la solution en pur bash est probablement beaucoup plus rapide qu'un appel (fork) à un autre process (comme toutes les solutions comprenant un pipe), que ce soit sed, perl ou awk (le plus gourmand?).

Si c'est un problème de syntaxe, il faudrait voir le contexte d'appel...

Il est vrai que si on ne traite qu'une ligne, vaut mieux je pense n'utiliser que de la built-in, si on traite de gros fichiers, il peut y avoir débat sur la commande à utiliser.
Voici une méthode pure bash:

Code:

---

1 2 3

$ [[ "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" =~ _toto/([^/]*)/ ]] $ echo ${BASH_REMATCH[1]} my_folder

---

Citation:

---

Envoyé par disedorgue

Voici une méthode pure bash:

Code:

---

1 2 3

$ [[ "H:/rep1/rep2/rep3/xxXXx/vcit_rrr_toto/my_folder/zzzz/eee_rr_tt/_toto/tata/eeeeee.txt" =~ _toto/([^/]*)/ ]] $ echo ${BASH_REMATCH[1]} my_folder

---

---

ça fait plaisir de voir des spécialistes à l'oeuvre (spécialistes bash, pas forcément spécialiste orthographe :mouarf:).