Expression régulière pour découper une chaîne

Bonjour !

J'essaye désespérément de créer une expression régulière qui me permette de découper ma chaîne avec SplitRegExpr de la manière suivante : "dès que tu vois un espace qui n'est pas précédé du caractère d'échappement "$" et qui n'est pas entre crochet, découpe". Il faudrait donc qu'il me découpe une chaîne comme "Bonjour Dupont !" en "Bonjour", "Dupont" et "!" mais qu'il ne découpe rien dans une chaîne telle que "Bonjour$ Jean$ [De La Tour].

La difficulté ici ne réside pas tant dans le fait de ne pas découper lorsque l'espace est précédé du caractère d'échappement dollar mais à tester s'il est entouré de crochet (à noter que si du texte le sépare dudit crochet, ça ne change rien).

Merci d'avance à l'âme charitable qui s'arrêtera pour m'aider !

Utiliser un split n'est pas une bonne idée dans ce cas là, à cause des crochets principalement. Il est beaucoup plus simple et efficace de trouver tout ce qui ne se découpe pas que de chercher à voir si tu es entre crochets ou pas pour découper. Autrement dit, cherche tous les morceaux et pas les traits de coupe. Ça donnerait ça:

Code:

---

(?=[^ ])[^$\[ ]*(?:\[[^\]]*\][^$\[ ]*|\$.[^$\[ ]*)*

---

Explications:

Code:

---

1 2 3 4 5 6 7 8

(?=[^ ]) # comme toute la suite de l expression est optionnelle (et peut donc matcher une chaîne vide), # ce test avant (lookahead) garantit qu il y a au moins un caractère qui ne soit pas un espace. Si tu veux aussi les parties vides entre deux espaces, retire le. [^$\[ ]* # tout ce qui n est pas un dollar un crochet ouvrant ou un espace. (?: # groupe non-capturant \[ [^\]]* \] [^$\[ ]* # une partie entre crochets, puis la sous pattern du début | # ou \$+. [^$\[ ]* # un ou plusieurs dollars suivis de n importe quel caractère, puis la sous pattern du début )* # on répète le groupe non capturant

---

Pour être totalement rigoureux tu peux aussi gérer le cas des dollars ou du crochet ouvrant non fermé à la fin de la chaîne en ajoutant (?:\$$|\[[^\]]*$)? en fin de pattern.

Si les crochets peuvent être imbriqués, c'est une autre paire de manches, donc n'hésite pas à le signaler.

Oui, les crochets sont supposés pouvoir être imbriqués. Mais quelle fonction dois-je utiliser avec cette expression si ce n'est pas Split ?

Alors autant pour moi, car RegExpr ne semble pas supporter les tests avant (lookahead) ce qui à la limite n'est pas grave, mais par contre il ne faut pas non plus compter sur la récursion (qui permet de décrire des éléments imbriqués). Donc avec RegExpr tu ne pourras rien faire. J'ai cru voir qu'il existait un wrapper pour la bibliothèque PCRE qui elle est capable de faire ça avec une expression du type: (?=[^ ])[^$\[ ]*(?:\[([^][]|\[(?1)\])*\][^$\[ ]*|\$.[^$\[ ]*)*(?:\[.*$|\$$)?.

Sinon une solution peut-être plus performante et qui ne nécessite pas de fouiller le net après ce wrapper, c'est de lire ta chaîne caractère par caractère, avec des tests conditionnels et une variable qui t'indique le niveau d'imbrication des crochets. Désolé d'avance pour ma faiblesse en Pascal, mais l'idée est:

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

var s: String; i: Integer; d: Integer = 0; // bracket depth e: Boolean = false; // escaped   begin s := 'Ce matin un [lapin [a vu [un chasseur.] [C''était un] ]lapin] qui avait$ un fusil.';   for i:=1 to Length(s) do begin case S[i] of '$': e := true;   '[': begin d := d + 1; e := false; end; ']': begin if d > 0 then d := d - 1; e := false; end;   ' ': begin if (e = false) and (d = 0) then writeln(i); e := false; end; else begin e := false; end; end; end; readln; end.

---

Qui donne l'offset des espaces non échappés par un $ en dehors des crochets.

Oui, je pense que je vais effectivement utiliser la fonction pour lire et découper la chaîne caractère par caractère. Merci de ton aide !

Attention, j'avais commis une erreur dans mon code précédent qui maintenant est corrigée (il fallait passer le flag d'échappement e a false dés qu'on rencontre un caractère différent de $).