rechercher (et extraire) du texte entre marqueurs fixes

Version imprimable

10/05/2017, 17h47
Niazov

rechercher (et extraire) du texte entre marqueurs fixes

Bonjour,

Je voudrais savoir comment coder le plus proprement possible une extraction de chaines de caractère entre marqueurs fixes (ici les deuxièmes " ... ") :

aaaaaaaaa " aaaa " aaaaaaa "motàextraire1" aaaaa
bbbbbbbbbbbb " bbbbbb " bbbbbbbbb "motàextraire2" bb

Merci pour vos conseils!
10/05/2017, 18h04
Fifan31
Bonjour,

si les guillemets sont tes séparateurs, tu peux utiliser la méthode 'split' et prendre le nième élément qui t'interresse:
Code:

1 2 3 >>> line='aaaaaaaaa " aaaa " aaaaaaa "motàextraire1" aaaaa' >>> line.split('"')[3] 'mot\x85extraire1'
10/05/2017, 18h07
wiztricks

Salut,

Citation:

Envoyé par Niazov

Je voudrais savoir comment coder le plus proprement possible une extraction de chaines de caractère entre marqueurs fixes (ici les deuxièmes " ... ") :

aaaaaaaaa " aaaa " aaaaaaa "motàextraire1" aaaaa
bbbbbbbbbbbb " bbbbbb " bbbbbbbbb "motàextraire2" bb

Le plus propre serait de passer par des expressions régulières et le module re. Le plus simple est de trouver l'index de tous les '"', d'extraire le contenu qui est entre le 3ème et le 4ème car ce sont des fonctionnalités de base des chaînes de caractères. Mais comme c'est vous qui codez, c'est à vous de voir.

- W
10/05/2017, 18h11
Niazov

Merci Fifan31!

Merci aussi wiztricks! Pour la solution en expression régulière, quelle est la syntaxe pour extraire le contenu entre deux marqueurs?

Avec le code

Code:

1
2
3
4
5
from os import *
with open ("liste.txt", "rt") as worklist:
    for line in worklist:
        print(line.split('"')[3])
    end

il me met le message d'erreur :

Code:

1
2
3
 
with open ("liste.txt", "rt") as worklist:
TypeError: an integer is required (got type str)

Une solution parmi tant d'autres avec les expressions régulières

Code:

1
2
3
4
5
6
7
8
9
10
11
import re
 
PATTERN = "(\"\s?\w+\s?\")"
 
line='aaaaaaaaa " aaaa " aaaaaaa "motàextraire1" aaaaa'
 
res = re.findall(PATTERN, line)
 
_, value = map(lambda x: x.strip('"'), res)
 
print(value)

En utilisant les goups de re

Code:

1
2
3
>>> line='aaaaaaaaa " aaaa " aaaaaaa "motàextraire1" aaaaa'
>>> print(re.search('.*"[^"]+".*"([^"]+)".*', line).group(1))
motàextraire1

11/05/2017, 10h21
Niazov

Merci Fred et Bistouille!
12/05/2017, 09h01
BufferBob

salut,

Citation:

Envoyé par wiztricks

Le plus propre serait de passer par des expressions régulières et le module re. Le plus simple est de trouver l'index de tous les '"', d'extraire le contenu qui est entre le 3ème et le 4ème car ce sont des fonctionnalités de base des chaînes de caractères. Mais comme c'est vous qui codez, c'est à vous de voir.

je suis pas vraiment d'accord, tout dépend de comment on trouve la chaine, ici le PO précise que la chaine à extraire est entre la 2e paire de guillemets, donc line.split('"')[3] s'impose assez naturellement pour le coup (la première réponse de Fifan31), alors que la regex correspondante serait un truc du genre re.search('^(?:.*?"){3}(.+?)"', line).group(1) nettement moins lisible

à l'inverse, si on considère qu'on a rien de précis pour caractériser la chaine, on pourrait aussi bien faire un re.findall('motàextraire\d', line)[0]
12/05/2017, 13h48
wiztricks

Citation:

Envoyé par BufferBob

je suis pas vraiment d'accord, tout dépend de comment on trouve la chaine, ici le PO précise que la chaine à extraire est entre la 2e paire de guillemets, donc line.split('"')[3] s'impose assez naturellement pour le coup (la première réponse de Fifan31), alors que la regex correspondante serait un truc du genre re.search('^(?:.*?"){3}(.+?)"', line).group(1) nettement moins lisible

Je suis globalement d'accord mais "lisible" çà dépend pour qui et pour quoi.
Par exemple, si on dit "la chaîne à extraire est entre la 2e paire de guillemets", si je dois traduire çà en regexp, j'écrirai plutôt re.findall('"(.*?)"', line)[1]. i.e. je découpe suivant les paires de guillemets puis je récupère la 2ème chaîne.

Si on écrit re.search('^(?:.*?"){3}(.+?)"', line).group(1), çà le fait, certes mais çà fait beaucoup plus... pas nécessairement utile.

line.split('"')[3] est habile.... mais attrape tout ce qui vient après le 3ème guillemet - et stricto sensu, ce n'est pas ce qu'on demande.

- W