[Regex] pb reconnaissance multiligne avec lookahead

Bonjour,

J'ai un souci avec une expression régulière.

J'ai un fichier composé de n extraits.
Chaque extrait est un ensemble de plusieurs lignes commençant toujours par :H10:HUB101 et ensuite, on peut avoir n’importe quoi. Il n’y a donc aucun signe distinctif pour indiquer que l’on arrive à la fin de l’extrait tant que l’on n’a pas rencontré le prochain :H10:HUB101 (qui est le début de l’extrait suivant)


Dans l’exemple ci-dessous, on peut donc voir 3 extraits.


:H10:HUB101
:H15:V0002
:H20:H05700809
:H30:080226134
:H61:
:H65:CH03A
:21:VSLA120080200106
7D:SETE GENRLE

F-800 miens
:9:/F630003021100005825
F 800 Saint uveur
:H10:HUB101
:H15:V00S
:H20:H05700810
:H25:SEEEEE
:H30:00226134915
:20:20022600001
:21R:2022600001
:50H/0/35655801
VSL Innational AG
Amouzoka
Neuflrasse 11
302 Bn
:71A:SHA
:H10:HUB101
:H15:V0002
:H20:H05700811
:H25:XXXXX
:H30:00226134915
:20:20022600001
u du ember 91



Je cherche l’expression régulière qui me permettrait de faire une boucle sur chaque extrait du fichier.

Le principal souci, c’est que je n’arrive pas à faire dire à l’expression régulière quelque chose comme

« Reconnais l’extrait composé d’une ligne commençant par :H10:HUB101 et ensuite tout jusqu’au prochain :H10:HUB101 »

La difficulté c’est que le prochain :H10:HUB101 fait partie de l’extrait suivant.

Je pensais à une expression régulière comme :

(^:H10:HUB101.*?(?:(?!^:H10:HUB101)))

Mais cela ne marche pas.

Auriez-vous une idée ?

Voici toujours mon programme Perl

====================
#!/usr/bin/perl
# Effectue une boucle sur chaque extrait HUB101 du fichier filein

use File::Basename;

use strict;

# Initialisation
my $filein=undef;
my $fullfilein=undef;
my $extATrouver=undef;
my $nbExt=0;

undef $/;

$fullfilein = $ARGV[0];

# Ouverture en lecture du fichier 1 pour connaitre les relevés a récupérer
open(FILEIN, $fullfilein) or die "Fichier $fullfilein introuvable";

# lecture du fichier FILEIN
$filein = <FILEIN> ;
# Boucle sur chaque extrait HUB101
while ( $filein =~ m/(^:H10:HUB101.*?(?:(?!^:H10:HUB101)))/smg) {

$extATrouver = $1;

$nbExt++;

print "\nExtrait N° : ".$nbExt."\n";
print $extATrouver;

}

close(FILEIN) or die "Fermeture impossible $fullfilein: $!";;
print "Fin"."\n";

Tu peux peut être simplement lire ton fichier séquentiellement et gérer avec une variable d'état pour savoir où tu es.

Je ne sais pas trop sous quelle forme tu veux avoir le résultat mais voilà (pour le cas le plus général) une idée pour récupérer les données dans un tableau de tableau (chaque élément est un enregistrement contenant la liste des champs).

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

#!/usr/bin/perl -w use strict; #use Data::Dumper;   my $mark = ':H10:HUB101';   my $fields; my $lines = undef;   while (<>) { chomp; my $inside = not m/^$mark$/ .. m/^$mark$/; # print "$inside\t$_\n"; if ($inside) { push @$lines, $_; } else { push @$fields, $lines if defined $lines; $lines = undef; }   }   #print Dumper($fields);

---

J'ai mis des print en commentaire pour que tu vois ce qui se passe.

Bonjour,

Merci de t'être penché sur mon problème.
Oui, je pourrais procéder comme cela

En fait, l'exemple que j'ai montré est un cas simple.

En réalité, chaque fichier en entrée peut contenir un grand nombre d'extraits

Je cherche à retrouver parmi ces milliers d'extraits 2 ou 3 extraits particuliers et à les comparer de façon ultraprécise aux 2 ou 3 autres extraits générés par une autre chaine de traitement.

C'est pour faire de la non régression. Je prefererai donc éviter tout ce qui modifie le texte d'origine (comme chomp)

Mais c'est sur que si je n'arrive à faire marcher l'expression régulière, je ferais avec ta solution. Par contre, j'ai l'impression que la chaine :H10:HUB101 est zappée à chaque fois ?

Au fait, entre une lecture séquentielle et une expression régulière, au niveau des perfs, est-ce du pareil au même ?

Mais bon, pour ma culture, si je peux savoir ce qui cloche dans l'expression régulière ? Et d'une manière générale, comment faire fonctionner une expression avec lookahead ?

Citation:

---

Envoyé par david2109

Au fait, entre une lecture séquentielle et une expression régulière, au niveau des perfs, est-ce du pareil au même ?

---

Non, globalement, la lecture ligne à ligne est légèrement moins performante puisqu'on doit effectuer le découpage du fichier. Jusqu'à ce qu'on tombe sur un vrai gros fichier, alors la lecture ligne à ligne sera plus performante parce qu'elle évitera d'avoir à allouer et à maintenir une énorme quantité de donnée en mémoire.
La lecture ligne à ligne devrait presque toujours être préférée pour les fichier texte, si elle est possible. La différence de performance n'est pas très significative et le programme est plus robuste.

Par ailleurs, tu n'utilises pas le bon lookahead, (?!regex) est le lookahead négatif, qui réussit lorsque regex ne matche pas à l'emplacement du lookahead. Combine ça avec ton quantificateur paresseux et il suffit à ta regex de matcher ":H10:HUB101", puis de ne rien matcher avec ".*?", puis de vérifier qu'il n'y a effectivement pas ":H10:HUB101" après pour réussir... :roll:
Tu aurais dû utiliser :

Code:

---

m/(^:H10:HUB101.*?)(?=^:H10:HUB101)/smg

---

D'un autre côté, c'est franchement inefficace comme façon de faire, un simple "split m/^:H10:HUB101/sm" aurait suffit et aurait été bien plus performant...

--
Jedaï

Tu peux simplement utiliser ta chaine comme séparateur de ligne non?

Code:

---

1 2 3 4 5

$/ = ':H10:HUB101';   while(<>){ ... }

---

Citation:

---

Envoyé par PerlPicker

Tu peux simplement utiliser ta chaine comme séparateur de ligne non?

Code:

---

1 2 3 4 5

$/ = ':H10:HUB101';   while(<>){ ... }

---

---

Effectivement, c'est la solution la plus élégante ! :king:
(j'utiliserais plutôt "\n:H10:HUB101" par contre)

--
Jedaï

Bonjour,

Désolé pour le silence : des trucs plus urgents...

Sinon, bon, apparemment ma méthode n'est point la bonne :lol:
Traiter le fichier séquentiellement ou alors avec un split (quitte à le rajouter ensuite) est donc meilleur.

Par contre, pour ce qui est de l'expression régulière,

Code:

---

1 2	m/(^:H10:HUB101.*?)(?=^:H10:HUB101)/smg

---

elle marche bien SAUF pour le dernier extrait (chose normale me semble-t-il puisqu'il n'y a pas de :H10:HUB101 en dernier)

Existe-il une façon pour qu'elle marche pour tous les extraits Y compris le dernier ?

Code:

---

1 2	m/(^:H10:HUB101.*?)(?=^:H10:HUB101|\z)/smg

---

--
Jedaï

Effectivement ! :lol:
Bon, de toutes les façons, vu ce que vous me dites, je vais donc plutot faire une lecture séquentielle du fichier.

Mais encore merci pour vos contributions.