REGEX sous Notepad++ : Nettoyer URL

Salut,

Sous Notepad++, je cherche via un REGEX à faire en sorte que des chaines de caractère contenu dans un fichier et ce présentant de la sorte :

Code:

---

https://community.domain.tld/register?to=3662%2354564894861351532416dzda#%frfgrzfz,categorie,dateAcces,,,

---

deviennent

Code:

---

https://community.domain.tld,categorie,dateAcces,,,

---

J'ai trouvé une partie de l'équation (^[a-z0-9]+://([a-z0-9.-]+)) pour identifier le début de la phrase, mais je n'arrive pas à identifier la seconde partie via un REGEX.

Auriez-vous une idée ?

Bonjour

Fait à l'arrache : https://regex101.com/r/wvXWQ2/1/

Je comprends de ta demande que tu veux supprimer le querystring dans l'URL.

Le pattern serait/pourrait être (\?[^,]*), qu'il faut alors remplacer par une chaîne vide.

A tester et confirmer ;-)

Merci pour ton aide,

Mais je ne veux pas supprimer que la querystring.
Je souhaite également supprimer ce qui la précède de manière a obtenir uniquement :

Code:

---

"https://community.domain.tld"

---

https://regex101.com/r/0n4s8s/1

Hello

https://regex101.com/r/nUBuI7/1

La regex serait: https?\://[^/].*/([^,]*)L'idée est donc de matcher le protocole (http ou https) puis le NDD. Ce qui suit et jusqu'à la présence d'une virgule serait à supprimer.

Du coup, si le pattern donne un résultat, il suffirait de remplacer par une valeur vide.

Bonne journée

Moi je dirais: ^([a-z]+://[^/,#?]*)[^,\n]* avec $1 en remplacement ou bien ^[a-z]+://[^/,#?]*\K[^,\n]* avec la chaîne vide en remplacement (mais je ne me rappelle plus si notepad++ tolère le \K ou pas et ce bien que le moteur de regex soit issu de libboost).

Ces patterns d'url restent cela-dit naïves car une url peut très bien contenir une partie login/pass entre quotes où la plupart des caractères (dont # et ?) sont tolérés, et d'autre part tous les protocoles ne sont pas forcément suivis de ://.

Hello

Notre approche est différente; avec la regex que je proposais (et qui doit être plus vu comme un brouillon car non testée sur des dizaines d'URLs) visait à cibler la partie à supprimer; pas le NDD.

Je me suis dit qu'il suffirait de cibler le $1 et de remplacer cette valeur par une chaîne vide pour la supprimer et, du coup, répondre je pense au besoin.

Juste une autre approche ;-)

Bonne soirée

Citation:

---

visait à cibler la partie à supprimer; pas le NDD.

---

Oui t'inquiète, c'est bien ce que je me suis dit, mais concrètement avec la commande remplacer de notepad++ tout ce que tu peux faire c'est capturer ce que tu veux garder pour le réinjecter dans la pattern de remplacement ou trouver un moyen de l'exclure du match. Autrement dit, tu peux pas lui dire retire moi ça en le mettant dans un groupe de capture (ce qui serait pourtant bien pratique au passage).

PS: après vérification, \K ("Kept back" selon la doc libboost: assez difficile à traduire, mais disons "[position] retenu[e]" en ce qui concerne le début du résultat renvoyé) est bien accepté par Notepad++ (7.9.3).

Salut,

Désolé pour les délais entre deux retours.

On s'approche petit à petit du résultat j'ai testé https://regex101.com/r/SdMOQY/1

si je dis à Notepad de remplacer par /1 cela me garde bien que la partie contenant le domaine. Mais ça garde également l'arborescence, et ça j'en veux pas.

Merci pour votre aide en tout cas.

Code:

---

1 2 3

reg=/^(https:\/\/[^/]+)/;   domaine=urls[i].match(reg)[1];

---

??

ou bien
https://regex101.com/r/OB6CV7/1

Génial !

En combinant le travail de chacun, on obtient ceci :

Code:

---

^(https?://[^\/,]+)(\/+[^,]+)

---

https://regex101.com/r/bhn5Ix/1


Il fallait réfléchir à l'envers. (note à moi même pour une relecture future)

• On voulait les chaines de caractères commençant par HTTP ou HTTPS - > ^(https?://
• Mais pas le premier de ces caractères / et , -> [^\/,]+)

Pour la seconde partie :

• On voulait la chaine où l'on trouve au moins un / -> (\/+ ,mais pas la première , -> [^,]+)
  
  
  Merci pour votre aide. Je peux résoudre ce Post.
  A+