Explication de code - RE

Bonjour tout le monde!

On m'a filé un code pour m'en inspirer... a priori, ça parle d'expressions régulières mais je ne le comprends pas! Quelqu'un pourrait-il me l'expliquer ou me le commenter, please?

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

import re some_string='-</th></tr> <tr><th>12 -</th></tr> <tr horiz="no" hight=45><th>34 ' re_buildnr=re.compile(r'-</th></tr> <tr[ 0-9a-zA-Z="]*><th>(?P<buildnr>\d+)') match_buildnr=re_buildnr.search(some_string) print type(match_buildnr) if match_buildnr == None: log.p('Error: Due to change in URL format, no build information was retrieved from URL: %s' % (url)) sys.ex(1)   while match_buildnr != None: startpos=match_buildnr.start()+1 newest_buildnr=match_buildnr.group('buildnr') newest_buildnr=int(newest_buildnr) print "100*nr is %i" % (newest_buildnr*100) match_buildnr=re_buildnr.search(some_string, startpos)

---

Sinon, ce code est fait pour m'aider à parcourir un string pour retrouver dedans tous les "resultats" de mon expression régulière.

Merci

deedoo... :P

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

import re # Ta string some_string='-</th></tr> <tr><th>12 -</th></tr> <tr horiz="no" hight=45><th>34 ' # Ton expression régulière compilée re_buildnr=re.compile(r'-</th></tr> <tr[ 0-9a-zA-Z="]*><th>(?P<buildnr>\d+)') # Cherche dans ta string, la première occurence de ton exp. match_buildnr=re_buildnr.search(some_string) print type(match_buildnr) # Si ton exp n'est pas trouvée dans ta string (résultat du search = None) # Message d'erreur. Par contre le msg ne ve rien dire ... il parle d'url alors # que tu ne t'en sert pas. if match_buildnr == None: log.p('Error: Due to change in URL format, no build information was retrieved from URL: %s' % (url)) sys.ex(1)   # Tant que ton exp est trouvée, boucle et contine de la chercher dans ta string. # a chaque fois qu'il la trouve, il converti le résultat en int et l'affiche multiplié par 100. while match_buildnr != None: startpos=match_buildnr.start()+1 newest_buildnr=match_buildnr.group('buildnr') newest_buildnr=int(newest_buildnr) print "100*nr is %i" % (newest_buildnr*100) match_buildnr=re_buildnr.search(some_string, startpos)

---

merci...c déjà un peu plus clair!

mais pourquoi on compile l'expression régulière, ça représente quoi "buildnr" et pourquoi c'est là dans l'espression régulière et on le rapelle plus bas?

Pour utiliser une expression régulière tu as 2 moyen :

Code:

---

1 2 3 4

re.search ('tonexp', 'tastring') ou buildre = re.compile ('tonexp') buildre.search ('tastring')

---

Si tu dois utiliser une expression régulière plusieurs fois (comme c'est le cas), il est fortement conseillé de la compiler. Tu y gagnera en temps d'execution. Regarde dans la doc si tu veux plus de détail.

Pour ce qui est de buildnr, voici l'explication de la doc :

Citation:

---

(?P<name>...)
Similar to regular parentheses, but the substring matched by the group is accessible via the symbolic group name name. Group names must be valid Python identifiers, and each group name must be defined only once within a regular expression. A symbolic group is also a numbered group, just as if the group were not named. So the group named 'id' in the example above can also be referenced as the numbered group 1.

For example, if the pattern is (?P<id>[a-zA-Z_]\w*), the group can be referenced by its name in arguments to methods of match objects, such as m.group('id') or m.end('id'), and also by name in pattern text (for example, (?P=id)) and replacement text (such as \g<id>).

---

En gros, c'est une étiquette utilisée pour nomer le résultat. Ainsi lorsque tu le récupère, tu peut utiliser l'étiquete monresult.group ('etiquete') plutot que monresult.group (1). C'est ce qui est fait ici :

Code:

---

newest_buildnr=match_buildnr.group('buildnr')

---

Ton exp c'est (?P<buildnr>\d+) donc ton résultat sera toujours un nombre (\d+ -> Suite de chiffres)
J'espère que c'est clair ...

donc moi si je cherche dans un paragraphe l'expression regulière:

Code:

---

1 2	[ ,.\(][ARNDCEQGHILKMFPSTWYV][0-9]+[ARNDCEQGHILKMFPSTWYV][ ,.\)]

---

je mets un truc du genre:

Code:

---

1 2 3 4

def read_mut2(doc): mutation2 = re.compile("[ ,.\(][ARNDCEQGHILKMFPSTWYV][0-9]+[ARNDCEQGHILKMFPSTWYV][ ,.\)]") return mutation2.search(doc)

---

Mais après quand je veux chercher une 2ème occurence, j'ai rien du style 'buildnr'... ou alors je suis sur la mauvaise voie ou je comprends rien du tout c'est possible aussi! Au autre problème, je sais pas comment parcourir mon paragraphe mais ça doit surement se faire grace à un 'while' comme dans le première code.

je sais pas si j'ai été très clair... :P

Citation:

---

Envoyé par deedoo

je mets un truc du genre:

Code:

---

1 2 3 4

def read_mut2(doc): mutation2 = re.compile("[ ,.\(][ARNDCEQGHILKMFPSTWYV][0-9]+[ARNDCEQGHILKMFPSTWYV][ ,.\)]") return mutation2.search(doc)

---

---

Ouais, sauf que le retour de la fonction n'est pas exploitable tel quel ! C'est un objet qui est retourné par la fonction search. Si tu veux le résultat il faudra utiliser la fonction group :

Code:

---

1 2	res = read_mut2(doc) res.group (0)

---

Citation:

---

Envoyé par deedoo

Mais après quand je veux chercher une 2ème occurence, j'ai rien du style 'buildnr'... ou alors je suis sur la mauvaise voie ou je comprends rien du tout c'est possible aussi! Au autre problème, je sais pas comment parcourir mon paragraphe mais ça doit surement se faire grace à un 'while' comme dans le première code.

je sais pas si j'ai été très clair... :P

---

Si tu veux rechercher toutes les occurence de ton exp dans un texte, utilise plutot la fonction findall que des search les uns derière les autres ![/code]

Bon, j'ai un autre problème maintenant... Savez-vous comment serait-il possible de coder une fonction générant des expressions régulières? En fait, j'ai un fichier texte où sont rassemblées beaucoup de données et pour chacunes d'elles, il me faut créer une expresison régulière pour une recherche dans un autre texte...

Merci de votre aide car pour l'instant je suis complètement dans le flou...

T'as un exemple ?

Bonjour,

Je rappelle juste qu'il y a un logiciel bien pratique pour les expressions régulières en Python :
http://kodos.sourceforge.net/
voilà... :D

D'autre part, pour ta réponse, si la séléction n'est pas trop compliqué, tu peux faire un truc du genre :

Code:

---

1 2 3 4 5

deb = "debut de ma séléction" fin = "fin de ma séléction" def read_mut2(doc, deb, fin): mutation2 = re.compile(deb + "(.*)" + fin) ...

---

C'est très général mais bon... :)

Hey!

Bon alors merci pour ces réponses...et voici des explications!

Je sais bien pour Kodos mais c'est pas du tout ce que je veux faire! :?
Je le refais avec des exemples ça sera surement plus clair car je vous avoue que c'est pas toujours simple pour moi non plus!

J'ai un fichier texte dont voici les premières lignes en exemple:

Citation:

---

P08908 5-HT_1A 5-hydroxytryptamine 1A receptor 5-HT-1A|Serotonin receptor 1A|5-HT1A|G-21|5-HT1a receptor|ADRB2RL1, ADRBRL1|G protein coupled receptor|guanine nucleotide-binding regulatory protein-coupled receptor HTR1A 5-HT1A|ADRBRL1|ADRB2RL1
P28222 5-HT_1B 5-hydroxytryptamine 1B receptor 5-HT-1B|Serotonin receptor 1B|5-HT1B|5-HT-1D-beta|Serotonin 1D beta receptor|S12 HTR1B HTR1DB|S12|5-HT1B|HTR1D2|HTR1DB|5-HT1DB

---

A partir de ça, je dois écrire une fonction qui me permette de générer une expression régulière de chaque "morceau". Par exemple, pour le premier, un truc du genre "5[^A-Za-z][Hh][Tt][^A-Za-z]1[^A-Za-z][Aa]".
Vous voulez peut-être un pourquoi à tout ça! Alors, je dois rechercher dans des paragraphes des récepteurs qui ont plusieurs dénominations possibles... (les codes commençant pas P... sont les codes internationaux que je devrais afficher).

Je sais pas si c'est plus clair pour vous mais n'hésitez pas pour d'autres explications!... :P

En fait, je crois que je ne comprends pas ce que tu veux sélectionner...

Voilà ce que j'ai compris (dis-moi si je me plante complètement) :
Tu rentres dans ta fonction par exemple "5-hydroxytryptamine 1A receptor" et tu veux récuperer "P08908" et l'afficher, c'est ça ?

Ou alors un truc du genre :
si on trouve plusieurs nom pour P08908
alors on affiche P08908

Suis-je un peu dans le vrai ou ma tête s'est véritablement obscurcie ?

Si c'est le cas, sort moi de l'ombre...
:wink:

euh...ouais c'est rpesque ça!

Je récupere un paragraphe de texte et dedans il y a des récepteurs mais ils peuvent être écrit n'importe comment (comme les exemples que j'ai donnés). De là, il faut que je les retrouve et que j'affiche le code international. Et on m'a demandé de faire une fonction qui génère des expressions régulières pour chaque "morceau" du fichier texte.
Comme je suis pas du tout experte en expression régulière (j'ai beau lire les liens que vous me donnez, ça reste bien bien flou!), c'est un peu compliqué!

C'est mieux? :wink:

Ca y est j'ai compris !! (je suis parfois lent du cerveau...)

donc ce que tu veux c'est que l'expression régulière s'adapte à la recherche en gros...

Qu'est-ce qui change tout le temps dans tes formules ?
Pour reprendre ton expression régulière : 5[^A-Za-z][Hh][Tt][^A-Za-z]1[^A-Za-z][Aa]
Je suppose ici que les parties en bleu ne changerons pas quelque soit l'expression régulières générée.
Si tel est le cas, on peut essayer de faire ainsi :

Code:

---

1 2 3 4 5 6 7 8

numero1 = "5" lettre1 = "H" lettre2 = "T" numero2 = "1" lettre3 = "A" def read_mut2(doc, numero1, lettre1, lettre2, numero2): mutation2= re.complie( numero1 + "-.*?" + lettre1 + ".*?" + lettre2 + ".*?" + numero2 + ".+?" + lettre3 ...

---

Je m'explique : .*? selectionne touts les caractères jusqu'au premier caractère suivant trouvé :
.*?C dans : voila c'est bien cool
.*C dans : voila c'est bien cool
(selection en bleu)

Cependant ça marche pas mal mais pas pour toutes tes formules...
Mais ce qui serai bien c'est que tu puisse modifier le fichier texte pour y inserer des caractères de séparation entre les formules... Mais je pense que non seulement ce texte doit être énorme et d'autre part c'est un texte qu'on te fourni...?

C'est un début... :)

Je vous remercie pour votre aide... je garde tout sous le coude car je suis pas là la semaine prochaine mais je vais tester tout ce que vous m'avez donner.
Je vous tiens au courant de mon avancement et je vous demanderais surement encore de l'aide...
Ciao
deedoo... :P

Boujour...me voilà de retour!

J'ai réglé mon problème de cherhce de mutations dans les résumés et les titres. Il faut juste que je stocke tout ça dans nun fichier mais ça devrait pas être trop dur...

Pour ce qui est des expressiosn régulières, c'est une autre histoire! J'ai récupéré mes morceaux de lignes mais je bloque toujours sur la même chose...le parcours de la chaîne de caractère pour remplacer!
Je m'explique. Je récupère:

Code:

---

5-HT<sub>1A</sub>

---

Et je veux le transformer en une expression régulière:

Code:

---

5[^A-Za-z]*HT[^A-Za-z]*1[^A-Za-z]*A

---

J'ai commencé ce code mais je vois pas comment continuer.

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

import re   def read_doc () : f = open ("receptors2.txt", "r") a = f.readlines () return a   c = read_doc ()   def read_receptor (doc,pos) : research = re.compile("[ |-|<sub>|</sub>]") return research.search(doc,pos)   def main () : i = 0 while i != len (c) : b = c[i].split ("\t") while b != None : if read_receptor (b[i],1) : ????.... i = i + 1   main()

---

Je sais que je bloque toujours sur la même chose car je m'étais posée la même question pour la recherche des mutations...

Avez-vous une solution pour moi ou des explications pour que je puisse continuer?

Merci...

Bonjour deedoo !
ça faisait longtemps !


Ok d'accord, donc en fait tu veux que ton programme, en parcourant ton fichier texte, crée tout seul une expression régulière en fonction de ce qu'il a trouvé, c'est ça ?

Note : juste au passage, ça n'a rien à voir avec ton problème mais un truc qui est bien c'est qu'au lieu de mettre :

Code:

---

1 2 3

while i != len (c) : ... i = i + 1

---

on peut le remplacer par:

Code:

---

1 2	for i in range(len(c)): ...

---

ce qui me paraît plus simple car en plus le "i" s'incrémente tout seul...

sinon, pour ton "vrai" problème, je cherche...

:D

Ce qui pourrait être utile, c'est sélectionner chaque parties de ta première ligne :

Code:

---

P08908 5-HT<sub>1A</sub> 5-hydroxytryptamine 1A receptor 5-HT-1A|Serotonin receptor 1A|5-HT1A|G-21|5-HT1a receptor|ADRB2RL1, ADRBRL1|G protein coupled receptor|guanine nucleotide-binding regulatory protein-coupled receptor HTR1A 5-HT1A|ADRBRL1|ADRB2RL1

---

c-a-d d'avoir un retour comme ça :

Code:

---

selection = ("5-HT<sub>1A</sub>", "5-hydroxytryptamine 1A", "5-HT-1A", etc...)

---

puis par la suite de faire une différence entre chacune de ces parties afin que le programme reconnaîsse les caractères qui ne bougent pas... Ce doit être la partie la plus dure, alors avant de se plonger dedans, j'aimerai savoir si cette solution te conviens ?

:)

Oui c'est complètement ça!

Pour la séparation des parties, il y a déjà une 1ère partie de faite avec:

Code:

---

b = c[i].split ("\t")

---

Mais, pour les termes séparés par "|", il faut faire un autre .split("|") je pense.

Après, pour le remplacement, je sais pas trop comment faire!

Ok, mais...

...Pourquoi toutes les formules ne sont pas séparée de la même manière ?

ça complique quand même vachement les choses ! :wink:

EDIT: ... quoique

je n'en ai aucune idée! On m'a donné le fichier comme ça, je m'adapte!
:P

ok, adaptons-nous alors ! :wink:

Bon voilà un début...

J'ai fait une fonction qui compare deux formules et qui garde les caractères présents dans les deux formules, dans l'ordre :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

a = "5-HT<sub>1A</sub>" b = "5-hydroxytryptamine 1A"   caract = a[0].upper() stop = 0 restes = [] i = 0   for j in range(len(a)): caract = a[j].upper() print "a[%s] = %s"% (j,a[j]) # vérification (TEST) for i in range(len(b)): print 'i = ', i # vérification (TEST) print "b[%s] = %s"% (i,b[i]) # vérification (TEST) if caract == b[i].upper(): restes = restes + [caract] print "restes", restes break i = i+1 print "restes = ", restes

---

Si j'execute donc ce programme, on a

Code:

---

>>> restes = ['5', '-', 'H', 'T', '1', 'A']

---

pour ces deux formules, on aura donc une expression régulière du genre:
5.*?-.*?[Hh].*?[Tt].*?[1].*?[Aa]
mais bon c'est que pour ces deux formules (il faut donc étendre le programme à toutes les formules) et ce serait bien de notifier lorque 2 caractères sont côte à côte (par exemlpe ici 5-H)

C'est un début donc !...

[EDIT]
si on rajoute ces lignes à la suite :

Code:

---

1 2 3 4 5 6 7

regex = "(?i)(" + restes[0] k = 1 while k < len(restes): regex = regex + ".*?" + restes[k] k = k + 1 regex = regex + ")" print "regex = ", regex

---

on obtient:

Code:

---

>>>regex = (?i)(5.*?-.*?H.*?T.*?1.*?A)

---

note le (?i) c'est l'option ignorecase (majuscule ou minuscule c'est pareil, du coup, "5-ht" = "5-HT")

[/EDIT]

Cependant il y a encore un problème, car sur la première ligne de ton texte, on trouve aussi bien :
5-HT-1A
que :
guanine nucleotide-binding regulatory protein-coupled
ou :
ADRB2RL1

Personnellement, je ne vois aucun caractères en commun dans ces trois formules... Donc si on execute le programme précédent sur ces trois formules, l'expression régulière retournée sera nulle... :evil:

Les personnes qui t'on donné ceci à faire se sont-t-il aperçu qu'il y avait ce problème là ?

Parce qu'ici si tu essaye de récupérer les formules de cette ligne :

Code:

---

1 2	P08908 5-HT<sub>1A</sub> 5-hydroxytryptamine 1A receptor 5-HT-1A|Serotonin receptor 1A|5-HT1A|G-21|5-HT1a receptor|ADRB2RL1, ADRBRL1|G protein coupled receptor|guanine nucleotide-binding regulatory protein-coupled receptor HTR1A 5-HT1A|ADRBRL1|ADRB2RL1

---

Qu'obtiens-tu ?

Bonjour!

Je voudrais savoir s'il est possible de sélectionner la première lettre d'un mot pour la remplacer. En fait est-il possible de la repérer en tant que 1ère lettre ou faut-il la repérer uniquement avec un caractère spécial devant (par exemple un espace)?

Si j'ai :

Citation:

---

guanine nucleotide-binding regulatory protein-coupled receptor

---

Je voudrais récupérer :

Citation:

---

[Gg]uanine[Nn]ucleotide[Bb]inding[Rr]egulatory[Pp]rotein[Cc]oupled[Rr]eceptor

---

C'est toujours pour mon histoire d'expressions régulières!

Merci pour votre aide.