[RegEx] Extraire une séquence

Bonjour,

Tu ne décris pas suffisamment les chaînes que tu veux détecter.
Celles que tu donnes en exemple sont elles vraiment toutes celles que tu veux voir matcher avec la RE, pas plus et pas moins ? Ou est ce une présentation du problème avec progressivité ?

Citation:

3
3@@
@@
-10--6
-10--6x2
-10--6x2@@
-10--6x2,-4,-1-1@@
p.-10--6x2,-4,-1-1@@
p.-10--6x2,-4,-1-1@@.s

Je m'étonne d'y voir 3 ou @@ tout seuls.

En analysant la RE que tu donnes, on voit qu'elle définit un ensemble de chaînes matchantes potentielles bien plus large que ce dont rendent compte ces exemples.

Ainsi, il n'y a pas dans tes exemples de premier nombre non précédé d'un tiret. Or la présence d'un tiret facultatif dans la RE
Code:

1 2 r'''(?P<indices>(?:(?:-?[\d]+--?[\d]+(?:x\d+)?|-?[\d]+),?)*) (?P<padding>(?(indices)@*|@+))'''
fait qu'une chaîne telle que '10--6x2,-4,-1-1@@' matche elle aussi.

Ce tiret participe à une parenthèse répétable dont le contenu doit rendre compte de tout ce qui est nombre au sein de la chaîne aussi. Je me demande donc si ce que tu as écrit pour l'intérieur de la chaîne ne se répercute pas par maladresse sur le premier nombre.

Par ailleurs, il semble qu'il y ait un ordre de préséance dans l'organisation d'une chaîne matchante:
--6 jamais avant le premier nombre
--6x2 toujours avant d'autres nombres précédés d'une virgule
les nombres successifs doivent ils avoir toujours un tiret devant eux ?
@@ toujours à la fin

Sur la base de ces observations , j'ai réécrit l'expression régulière pour éviter qu'un nombre seul soit capté.
C'est en effet -?[\d]+ dans

Code:

(?P<indices>(?:(?:-?[\d]+--?[\d]+(?:x\d+)?|-?[\d]+),?)*)

qui en est responsable.

Enfin bref, je n'arrive pas à comprendre totalement ta RE mais je propose la suivante. Dis moi si elle convient.
J'ai tenu compte que dans la logique du split() que tu veux appliquer, il est nécessaire d'avoir une séparation entre une partie <indices> et une partie <padding>, bien qu'on pourrait écrire la RE autrement s'il n'y avait pas cette contrainte.
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 import re RE = '(?P<indices>(?:'\ '(?=@)'\ '|'\ '\d+(?=@)'\ '|'\ '-\d+(?:--\d+(?:x\d+(?:,?-\d+)*)?)?'\ ')'\ ')'\ '(?P<padding>@*)' pat = re.compile(RE) tu = ('3','3@@','@@','-45','-10--6','-10--6x2','-10--6x2@@', '-10--6x2,-4,-1-1@@','p.-10--6x2,-4,-1-1@@', 'p.-10--6x2,-4,-1-1@@.s') for u in tu: print print u if pat.search(u): print pat.search(u).groups() print pat.split(u) else: print 'Pas de match' print '===========================================' ch = '/tmp files/foo2_v2,x2.0001.2-10#.-2.3-11@@'\ '._-10--6x2,-4,-1-1@@'\ '_bar-10--6x2,-4,-1-1@@'\ '.tar.bz' print ch print print pat.split(ch)
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 >>> 3 Pas de match 3@@ ('3', '@@') ['', '3', '@@', ''] @@ ('', '@@') ['', '', '@@', ''] -45 ('-45', '') ['', '-45', '', ''] -10--6 ('-10--6', '') ['', '-10--6', '', ''] -10--6x2 ('-10--6x2', '') ['', '-10--6x2', '', ''] -10--6x2@@ ('-10--6x2', '@@') ['', '-10--6x2', '@@', ''] -10--6x2,-4,-1-1@@ ('-10--6x2,-4,-1-1', '@@') ['', '-10--6x2,-4,-1-1', '@@', ''] p.-10--6x2,-4,-1-1@@ ('-10--6x2,-4,-1-1', '@@') ['p.', '-10--6x2,-4,-1-1', '@@', ''] p.-10--6x2,-4,-1-1@@.s ('-10--6x2,-4,-1-1', '@@') ['p.', '-10--6x2,-4,-1-1', '@@', '.s'] =========================================== /tmp files/foo2_v2,x2.0001.2-10#.-2.3-11@@._-10--6x2,-4,-1-1@@_bar-10--6x2,-4,-1-1@@.tar.bz ['/tmp files/foo2_v2,x2.0001.2', '-10', '', '#.', '-2', '', '.3', '-11', '@@', '._', '-10--6x2,-4,-1-1', '@@', '_bar', '-10--6x2,-4,-1-1', '@@', '.tar.bz'] >>>
Cette RE a donc l'air de marcher. Il n'y a qu'une chose avec quoi elle ne matche pas: un nombre seul. C'est voulu parce que je ne vois pas en quoi un nombre seul peut être une information d'après ce que tu as expliqué. Dis moi si je me trompe.

Remarque l'élément (?=@) dans la RE: il définit un match de largeur nulle, c'est bien pratique.

Pour capter la dernière occurence, je propose:
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 import re RE = '(?P<indices>(?:'\ '(?=@)'\ '|'\ '\d+(?=@)'\ '|'\ '-\d+(?:--\d+(?:x\d+(?:,?-\d+)*)?)?'\ ')'\ ')'\ '(?P<padding>@*)' pat = re.compile(RE) ch = '/tmp files/foo2_v2,x2.0001.2-10#.-2.3-11@@'\ '._-10--6x2,-4,-1-1@@'\ '_bar-10--6x2,-4,-1-1@@'\ '.tar.bz' print ch print print pat.findall(ch)[-1]
ou bien
Code:

1 2 3 for m in pat.finditer(ch): pass print m.groups()
Pour extraire directement les 4 éléments d'une définition textuelle, il faudrait en savoir un peu plus sur les valeurs que peuvent avoir les préfixes et les suffixes.

S'ils sont de longueur 3 comme le donne à penser ton exemple, on peut faire tourner les codes ci-dessus avec la RE suivante:
Code:

1 2 3 4 5 6 7 8 RE = '(.{3})(?P<indices>(?:'\ '(?=@)'\ '|'\ '\d+(?=@)'\ '|'\ '-\d+(?:--\d+(?:x\d+(?:,?-\d+)*)?)?'\ '))'\ '(?P<padding>@*)(.{3})'
Selon la nature des préfixes et suffixes, on peut imaginer des tas d'autres moyens.
Par exemple si les préfixes peuvent prendre leurs valeurs dans deux listes connues de valeurs, on peut faire:
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 import re prefixes = ['rubu','dadaou','whist','meduy'] suffixes = ['abc','123','xyz','ext','blong'] RE = ('('+'|'.join(prefixes)+')' '(?P<indices>(?:(?=@)' '|' '\d+(?=@)' '|' '-\d+(?:--\d+(?:x\d+(?:,?-\d+)*)?)?' '))' '(?P<padding>@*)' '('+'|'.join(suffixes)+')') print RE pat = re.compile(RE) ch = '/tmp files/foo2_v2,x2.0001.2-10#.-2.3-11@@'\ '._-10--6x2,-4,-1-1@@'\ '_barubu-10--6x2,-4,-1-1@@'\ 'exterieur' print pat.findall(ch)[-1]
Code:

1 2 3 (rubu|dadaou|whist|meduy)(?P<indices>(?:(?=@)|\d+(?=@)|-\d+(?:--\d+(?:x\d+(?:,?-\d+)*)?)?))(?P<padding>@*)(abc|123|xyz|ext|blong) ('rubu', '-10--6x2,-4,-1-1', '@@', 'ext')
À mon avis, tu n'as pas besoin de la fonction split() . Les groupes capturés de chaque match se trouvent dans groups() et la fonction group() permet aussi de faire des manipulations étonnantes et hyper-utiles sans difficulté.