Regex pour extraire un tableau sérialisé d'un fichier log IPN-Paypal

Hello Terretous,

J'ai un problème de regex javascript qui est le suivant:
-j'ai une <div> qui m'affiche dans mon navigateur, le contenu d'un fichier log.
-au sein de ce contenu, j'ai des phrases simples de débogage, et parfois un tableau sérialisé par php.

Le fichier (pour anecdote, c'est une journalisation du protocole IPN de Paypal) d'où je veux extraire une information pouvant être récurrente est le suivant:

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 46 47 48 49 50 51 52

2016-10-18 10:02:28 - ERR (3): [le 19/10/2016 18:02:25, blabla1 blabla2] DEBUT_POST Array ( [item_name] => smartPhone - The Fonz (avec peigne integre) [txn_type] => cart [txn_id] => 899327589 [notify_version] => 2.4 [custom] => abc|123 [invoice] => abc [test_ipn] => 1 [verify_sign] => AFcWxV21C7fd0v3bYYYRCpSSRl31Av8kdf7ABYZs1hQc4YihAjoRqz3V ) FIN_POST 2016-10-18 11:05:13 - ERR (3): [le 10/10/2016 10:02:25, blabla3 blabla4] 2016-10-18 09:12:24 - ERR (3): [le 10/10/2016 10:02:25, blabla5 blabla6] DEBUT_POST Array ( [item_name] => smartPhone - The Fonz (avec peigne integre) [txn_type] => cart [txn_id] => 899327589 [notify_version] => 2.4 [custom] => xyz|123 [invoice] => xyz [test_ipn] => 1 [verify_sign] => AFcWxV21C7fd0v3bYYYRCpSSRl31Av8kdf7ABYZs1hQc4YihAjoRqz3V ) FIN_POST 2016-10-18 15:15:56 - ERR (3): [le 10/10/2016 10:02:25, blabla7 blabla8] 2016-10-19 11:05:13 - ERR (3): [le 10/10/2016 10:02:25, blabla9 10èmeblabla] DEBUT_POST Array ( [item_name] => smartPhone - The Fonz (avec peigne integre) [txn_type] => cart [txn_id] => 899327589 [notify_version] => 2.4 [custom] => abc|123 [invoice] => abc [test_ipn] => 1 [verify_sign] => AFcWxV21C7fd0v3bYYYRCpSSRl31Av8kdf7ABYZs1hQc4YihAjoRqz3V ) FIN_POST 2016-10-19 11:05:13 - ERR (3): [le 10/10/2016 10:02:25, blabla9 10èmeblabla] etc, etc

---

Pour information, j'utilise cette régularité pour écrire en php côté serveur dans ce fichier *.log:

Code:

---

echo 'DEBUT_POST'.PHP_EOL.serialize($_POST).PHP_EOL.'FIN_POST';

---

J'essaie déjà d'extraire la première occurrence du tableau qui contient [invoice] =&gt; abc.
C'est un tableau multi-lignes, donc j'ai testé en javascript...:

Code:

---

1 2	sRes = sZeLogFileInDiv.search(/^DEBUT_POST(.*)FIN_POST*/gmi); alert(tsRes[1]);

---

...mais elle ne me renvoie que false !?? :bug: et ce, seulement pour tenter d'extraire un tableau :koi: , sans même le filtre incluant de [invoice] =&gt; abc).

=> Est-ce que quelqu'un voit ce qui est faux dans cette regex (PS: je tiens à utiliser du multi-lines de la forme: ^DEBUT_POST(.*)\[invoice\] =&gt; abc(.*)FIN_POST$ )?

Cordialement.

Citation:

---

^DEBUT_POST...$

---

NB1: je viens déjà de me rendre compte que D et B du mot clé DEBUT_POST appartiennent à la grammaire des regex-javascript et doivent donc en être échappée via un \.

Benh non, c'est l'inverse: \D et \B ont une signification: "pas un chiffre" et "limite d'un mot" respectivement => le problème ne vient pas de là.

essaye avec

Code:

---

/DEBUT_POST(\r|\n)+((.*(\r|\n)+))+FIN_POST/gmiu

---

groupe de capture 2

==> Bingo: ça marche :D!
J'écris maintenant des balises spécifiques (DEBUT_POST_abc .../... FIN_POST_abc, ou alors DEBUT_POST_xyz .../... FIN_POST_xyz) avant et après chaque php->serialize(tableau_POST_xxx); pour les taguer "aux yeux de javascript" différemment côté navigateur, et j'arrive à m'en sortir avec cette regex qui fait plus que l'affaire me concernant.

Merci SpaceFrog :yaisse2: !!!

Sinon pour éviter que la pattern ne s'étende sur plusieurs blocs, il suffit de rendre le quantificateur non-gourmand en lui adjoignant un point d'interrogation:* => *?

Code:

---

var pattern = /^DEBUT_POST\r?\n((?:.*\n)*?)FIN_POST$/gm;

---

Le défaut intrinsèque des quantificateurs non-gourmands est qu'ils doivent tester la suite de la pattern (pour voir si elle réussit ou non) avant de consommer un caractère, ce qui peut devenir lourd s'il faut le faire pour chaque caractère, mais en l'appliquant à un groupe décrivant une ligne entière ((?:.*\n)), cet effet reste alors confiné aux débuts de ligne aboutissant ainsi à une pattern efficace. Ajouter des identifiants aux bornes devient alors inutile car la pattern s'arrêtera au premier FIN_POST trouvé.

NB: le modificateur u n'existe pas en Javascript.
Pour ce qui est des échappements:

• il n'y a que douze caractères spéciaux à échapper, hors classes de caractères, dans le corps de la pattern, que sont: ( ) { [ | . ? * + \ ^ $.
• il faut aussi échapper le délimiteur de pattern / si la pattern est exprimée de manière littérale (donc pas la peine quand on utilise le constructeur de RegExp avec une chaîne en paramètre, par contre dans ce cas il faut doubler tous les échappements).
• le signe - dans une classe de caractère (sauf s'il est placé au début ou à la fin) doit être échappé car celui-ci sert à définir un intervalle de caractères (comme [a-z]).
• le caractère ^ doit être échappé dans une classe de caractère s'il se trouve en première position, sans quoi il exprimera la négation de la classe.
• le caractère ] doit être échappé dans une classe de caractère sans quoi il signale la fin de la classe.
• le caractère \ doit être échappé même dans une classe de caractère pour figurer l'antislash.
• le caractère { n'a pas besoin d'être échappé lorsqu'il ne présente pas d'ambiguïté avec le quantificateur {m,n}.

Pour information, j'ai comparé la vitesse d'extraction des 2 regex (fonctionnant toutes les deux) sur https://regex101.com/:

Code:

---

1 2	DEBUT_POST\r?\n((?:.*\n)*?)FIN_POST //<= 8 ms DEBUT_POST((?:.*\r?\n)*?)FIN_POST //<= 2 ms

---

Effectivement, la seconde est 4 fois plus rapide :applo:.

Citation:

---

Envoyé par CosmoKnacki

NB: le modificateur u n'existe pas en Javascript.

---

Au temps pour moi, le modificateur u a été ajouté en Javascript avec ECMAScript 6, mais à ce jour, son support sur les navigateurs autres que Chrome >= 50, Firefox >=46 et Chrome for android >= 46 n'est pas garanti selon mdn.