Difficulté pour extraire une partie d'un contenu textuel

Version imprimable

Bonjour,

Mon objectif est d'extraire une partie d'une chaine de caractère. Le texte est de cette forme:

Code:

1
2
3
4
5
6
7
 
du texte avec toute les possibilités.
 
key_1: value_1 value2...
          value3
key_2: value 2 value 22....
du texte qui peut rassembler a tout...

Mon but est d'extraire le key 1 avec tous ses valeurs (qui peuvent être sur la même ligne ou sur plusieurs lignes. Lé délimiteur n'est qu'une autre ligne avec également un nouveau key_value ou saut de ligne.

J'ai essayé avec pyparsin en utilisant le code suivant mais en vain:

Code:

1
2
3
4
5
6
7
8
9
10
11
 
from pyparsing import *
key_name = Word(alphanums+'_')
key_ending =  ZeroOrMore(' ') +':'
key = key_name + key_ending
value = Word(alphanums) + NotAny(key_ending)
values = OneOrMore(value)
param = Group(key + values)
param_stream = OneOrMore(param)
for param in r.asList():
    param[0], param[2:]

et voilà un exemple de text d'entrée :

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
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
 
From: Blabla bhlkf <Blabla.bhlkf@atghg.tele2.com>
Sent: 2014-01-22 14:21:31
To: "support@atghg.com" <support@atghg.com>
Subject: Blablablabla bla bla Subject
Case request:                           STL Cas Hours (JKLM, KJH 1 24x7 EPLi
Loc)
Request Type:                           Support (HTL)
Product:                                TGHLKI HS+ / BLOS V. 9.9.x.x
Product Instance State:                 In Service
DSLAM address:                  HGJLKM
Problem Description:                    All usershoud be in nkowns
                               that the first line should be also extracted
Ticket Priority:                                3 = Very import request
Contact Name:                           Blabla
Contact phone:                          +0187 87652 99883 
Alternate phone:                        +012 7890 877343 1 9009 35
Tele2UTA Ticket ID:                     HGFDL5666
Service Agreement:                      7543864
Contact Company:                        FAX2
xlfswott01> users -l | grep 001.14.06
616804042  001.14.060/0001 001:14:060/ 2044K/ 252K ATM 0.0.0.0      
1:14:60-0.100-T-066048   0:07:31    0:00:00
616804043  001.14.060/0001 001:14:060/ 2044K/ 252K ATM 0.0.0.0      
1:14:60-8.35-T-066048    0:07:32    0:00:00
616804044  001.14.060/0001 001:14:060/ 2044K/ 252K ATM 0.0.0.0      
1:14:60-8.40-T-066048    0:07:32    0:00:00
616804054  001.14.064/0001 001:14:064/ 2044K/ 252K ATM 0.0.0.0      
1:14:64-0.100-T-066050   0:07:20    0:00:00
616804055  001.14.064/0001 001:14:064/ 2044K/ 252K ATM 0.0.0.0      
1:14:64-8.35-T-066050    0:07:20    0:00:00
616804056  001.14.064/0001 001:14:064/ 2044K/ 252K ATM 0.0.0.0      
1:14:64-8.40-T-066050    0:07:21    0:00:00
616804057  001.14.065/0001 001:14:065/ 2044K/ 252K ATM 0.0.0.0      
1:14:65-0.100-T-067398   0:07:22    0:00:00
616804058  001.14.065/0001 001:14:065/ 2044K/ 252K ATM 0.0.0.0      
1:14:65-8.35-T-067398    0:07:25    0:00:00
616804059  001.14.065/0001 001:14:065/ 2044K/ 252K ATM 0.0.0.0      
1:14:65-8.40-T-067398    0:07:26    0:00:00
<end user list>  3053 active user(s)
<grep> Found 9 line(s) matching search criteria
xlfswott01> users -l | grep 001.14.05
616804031  001.14.054/0001 001:14:054/ 6997K/ 903K ATM 0.0.0.0      
1:14:54-0.100-T-004048   0:08:14    0:00:00
616804032  001.14.054/0001 001:14:054/ 6997K/ 903K ATM 0.0.0.0      
1:14:54-8.35-T-004048    0:08:15    0:00:00
616804033  001.14.054/0001 001:14:054/ 6997K/ 903K ATM 0.0.0.0      
1:14:54-8.40-T-004048    0:08:16    0:00:00616804034  001.14.055/0001
001:14:055/ 7997K/ 903K ATM 0.0.0.0         1:14:55-0.100-T-065997   0:08:17   
0:00:00
616804035  001.14.055/0001 001:14:055/ 7997K/ 903K ATM 0.0.0.0       
1:14:55-8.35-T-065997    0:08:17    0:00:00
616804036  001.14.055/0001 001:14:055/ 7997K/ 903K ATM 0.0.0.0      
1:14:55-8.40-T-065997    0:08:20    0:00:00
616804037  001.14.057/0001 001:14:057/ 2044K/ 252K ATM 0.0.0.0      
1:14:57-0.100-T-071069   0:08:20    0:00:00
616804038  001.14.057/0001 001:14:057/ 2044K/ 252K ATM 0.0.0.0      
1:14:57-8.35-T-071069    0:08:22    0:00:00
616804039  001.14.057/0001 001:14:057/ 2044K/ 252K ATM 0.0.0.0      
1:14:57-8.40-T-071069    0:08:23    0:00:00
616804040  001.14.059/0001 001:14:059/ 2044K/ 252K ATM 0.0.0.0      
1:14:59-0.100-T-155435   0:08:23    0:00:00
616804041  001.14.059/0001 001:14:059/ 2044K/ 252K ATM 0.0.0.0      
1:14:59-8.40-T-155435    0:08:24    0:00:00
616804048  001.14.050/0001 001:14:050/ 2044K/ 252K ATM 0.0.0.0      
1:14:50-0.100-T-064163   0:08:09    0:00:00
616804049  001.14.050/0001 001:14:050/ 2044K/ 252K ATM 0.0.0.0      
1:14:50-8.35-T-064163    0:08:08    0:00:00
616804050  001.14.050/0001 001:14:050/ 2044K/ 252K ATM 0.0.0.0      
1:14:50-8.40-T-064163    0:08:10    0:00:00
616804051  001.14.051/0001 001:14:051/   13M/1047K ATM 0.0.0.0      
1:14:51-0.100-T-080123   0:08:10    0:00:00
616804052  001.14.051/0001 001:14:051/   13M/1047K ATM 0.0.0.0      
1:14:51-8.35-T-080123    0:08:10    0:00:00
616804053  001.14.051/0001 001:14:051/   13M/1047K ATM 0.0.0.0      
1:14:51-8.40-T-080123    0:08:13    0:00:00
<end user list>  3050 active user(s)
mit HFDSKJKJR LIKLSS
BLAB HGFDO
COMPANY Telecom
DESEARCH DEVELOPEMENT Network Operation Center (NOC)
Donau-City-Strasse 11, 1220 Wien
service@atgljkfyh.com
******** WICHTIGER HINWEIS ********
balblablablbalbalnbabTele2bmlablablalablaba.
blablablablaba.
******** IMPORTANT NOTICE ********
blablablbalbablabbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb.
lablablbalablblb.

ou je dois extraire l'élément "Problem Description: " avec son valeur qui s'étale ici sur deux lignes.

Je vous remercie d'avance pour vos réactions.

salut,

basiquement le principe peut se résumer à identifier la ligne commençant par "Problem description:", prendre ce qui traîne après les deux points jusqu'à la fin de la ligne, puis lire une nouvelle ligne et extraire à nouveau le texte, ça se fait très bien programmatiquement avec des notions de base en Python (des if, des while, des startswith() etc.)

une façon un peu plus efficace pourra faire appel aux expressions rationnelles (les "regex"), un exemple parmi d'autres :
Code:

1 2 3 4 >>> with open('fichier', 'r') as f: ... data = f.read() >>> ' '.join(re.findall('Problem Description:\s+(.+)\n\s+(.+)', data)[0]) 'All usershoud be in nkowns that the first line should be also extracted'
on lit l'intégralité du fichier dans la variable data, avec re.findall() on extrait uniquement ce qui nous intéresse en se payant le luxe de virer les espaces superflus au passage, à la fin on join() les deux morceaux récupérés, note que ça ne fonctionne en l'état que si la description tient sur exactement 2 lignes, ni plus, ni moins, dans le cas contraire il faut au minimum adapter la regex, laissé en exercice.

27/09/2017, 08h45
fraisa1985

Je vous remercie pour votre réponse. Je l'ai testé sur l'exemple déjà mis dans le premier post et ça me renvoi rien. En plus, avez-vous une idée comment modifier ce que j'ai écrit en utilisant l'api pyparsing pour régler le souci et extraire que le données dont j'ai besoin. Je vous remercie d'avance pour votre retour.
27/09/2017, 15h55
BufferBob

Citation:

Envoyé par fraisa1985

Je l'ai testé sur l'exemple déjà mis dans le premier post et ça me renvoi rien.

moi aussi je l'ai testé avec le fichier que tu donnes dans ton premier post, et ça renvoi bien

Citation:

En plus, avez-vous une idée comment modifier ce que j'ai écrit en utilisant l'api pyparsing

ça doit être faisable, mais honnêtement je ne prendrais pas cette peine, d'une part parce que le propos n'est pas de te donner la solution toute faite, d'autre part parce qu'utiliser pyparsing pour parser un fichier de configuration ou un rapport de log ça n'est pas du tout adapté, au mieux c'est comme dézinguer une mouche avec un bazooka, aucun intérêt.

dans le cas présent je te conseille de t'intéresser fortement aux expressions rationnelles, élément absolument indispensable de la programmation moderne et ce qu'il y a de plus adapté ici, et/ou de continuer ton apprentissage du langage Python, comment itérer sur les lignes d'un fichier, comment faire un if etc.
27/09/2017, 16h06
fraisa1985

Vous l'avez testé avec python 2.7 ou 3.X ?

Je n'arrive pas à comprendre pourquoi ça marche moi pour moi ?

Citation:

Envoyé par fraisa1985

Vous l'avez testé avec python 2.7 ou 3.X ?

les deux
Code:

1 2 3 4 $ python2 -c "import re; print(' '.join(re.findall('Problem Description:\s+(.+)\n\s+(.+)', open('fichier', 'r').read())[0]))" All usershoud be in nkowns that the first line should be also extracted $ python3 -c "import re; print(' '.join(re.findall('Problem Description:\s+(.+)\n\s+(.+)', open('fichier', 'r').read())[0]))" All usershoud be in nkowns that the first line should be also extracted
Citation:

Je n'arrive pas à comprendre pourquoi ça marche moi pour moi ?

ça peut venir de pleins de choses, je pense aux fins de lignes par exemple en \r\n au lieu de \n