Une regex java pour extraire un mot dans une chaine

Question

Bonjour, 
Mes chaines sont de la forme :
"1 FORM Town , Area code , County , Region , Country, SubdivisionTour
2 FOO Pli , Tour"

Peut on extraire avec un RegEx Java
Q1 - "Town" exclusivement

Q2 - "Town Country"" ou mieux "Town - Country" (avec le séparateur "-")

Merci a celui (ceux) qui m'aide(ent)
Salutations

Whismeril · Answer

Bonjour

je ne code pas en Java et je n'ai pas particulièrement cherché de site de regex en ligne dédié à Java (les implémententations changent d'un langage à l'autre). 

Sur ce site (lien à copier coller)http://regexstorm.net/tester?p=%28%3f%3c%3d1+FORM+%29%5cb%28%3f%3ctown%3e%5cw%2b%29%5cb+%2c.%2b%3f%2c+%5cb%28%3f%3ccountry%3e%5cw%2b%29%5cb&i=1+FORM+Town+%2c+Area+code+%2c+County+%2c+Region+%2c+Country%2c+SubdivisionTour%0d%0a2+FOO+Pli+%2c+Tour

Je t'ai mis un exemple de capture avec 2 groupes nommés "town" et "country".
Tu n'as plus qu'à concatener les 2 groupes pour obtenir ce que tu veux.

Whismeril · Answer

Bonjour
Un lien c’est une adresse internet, donc tu la colles dans la barre d’adresse de ton navigateur.
Quand tu l’aurais fait, on en reparle

Whismeril · Answer

Déjà  dans ta première question tu as demandé town, pas country.
Mais passons.

En second tu as demandé town et country, c’est ce que je t’ai fourni.
Tu as town et tu as country donc tu en fais ce que tu veux.

Donc je recopie la fin de ma première réponse:
Je t'ai mis un exemple de capture avec 2 groupes nommés "town" et "country". 
Tu n'as plus qu'à concatener les 2 groupes pour obtenir ce que tu veux. 
C’est le mot groupe qui est important.
Évidemment si tu ne sais pas ce qu’est un groupe en regex, ça ne saute pas aux yeux.
Dans ce cas retourne sur regex storm et clique sur l’onglet « table ».
Tu verras que la ville et le pays sont extraits séparément.

Je ne sais pas comment, on récupère les groupes dans une capture en java, ni si java accepte les groupes avec des noms (si ça n’est pas le cas, il faudra utiliser les groupes numérotés)

Tu peux lire ce tuto, https://cyberzoide.developpez.com/tutoriels/java/regex/#LX notamment le chapitre X. Ce tuto date de 2004, à cette époque, il semble que les groupes n’avaient pas de noms, mais ça peut avoir changé depuis.

Whismeril · Answer

Non je ne connais pas Yed.
Mais:

 ta question initiale est  
 Peut on extraire avec un RegEx Java 

 CodeS SourceS est un forum traitant de l'écriture de logiciels, notamment en Java

De ces constats, je suis parti du principe que tu es en train d'écrire ton propre logiciel en Java et donc qu'une fois obtenus les 2 groupes tu peux en faire ce que tu veux.

Cependant, il faut que tu comprennes que je ne suis ni dans ta tête, ni devant ton ordinateur, ce qui est évident pour toi ne l'ai pas pour moi et inversement.

Tu viens parler de Regex et de Java dans un forum de coding, pour moi il est évident que tu codes.
Maintenant, je pars du principe que non.

Si Yed ne peut pas extraire de groupes, alors évidement il faut faire autrement.
Par contre si il sait, on peut même écrire une seul regex pour la date, la ville et le pays. (j'utilise les mots français ça évitera des malentendus supplémentaires avec county et country).

Pour la date (?<=DATE\s)\d{1,2}\s[A-Z]{3}\s\d{4}
Exemple http://regexstorm.net/tester?p=%28%3f%3c%3dDATE%5cs%29%5cd%7b1%2c2%7d%5cs%5bA-Z%5d%7b3%7d%5cs%5cd%7b4%7d&i=0+HEAD%0d%0a2+PLAC+sss%2css%2css%2css%2css%2c5+eme+arrondissement%0d%0a2+DATE+7+OCT+1956%0d%0a1+GTO%0d%0a2+PLAC+Town+%2c+Area+code+%2c+County+%2c+Region+%2c+Country%2c+Subdivision%0d%0a2+DATE+27+SEP+1856%0d%0a0+%401I%40+INDI

Pour la ville
(?<=PLAC\s)[A-Za-z]+
exemple
http://regexstorm.net/tester?p=%28%3f%3c%3dPLAC%5cs%29%5bA-Za-z%5d%2b&i=0+HEAD%0d%0a2+PLAC+sss%2css%2css%2css%2css%2c5+eme+arrondissement%0d%0a2+DATE+7+OCT+1956%0d%0a1+GTO%0d%0a2+PLAC+Town+%2c+Area+code+%2c+County+%2c+Region+%2c+Country%2c+Subdivision%0d%0a2+DATE+27+SEP+1856%0d%0a0+%401I%40+INDI

Pour le pays
(?<=PLAC\s(?:.+?,){4}\s?)[A-Za-z]+(?=\s?,)
Exemple
http://regexstorm.net/tester?p=%28%3f%3c%3dPLAC%5cs%28%3f%3a.%2b%3f%2c%29%7b4%7d%5cs%3f%29%5bA-Za-z%5d%2b%28%3f%3d%5cs%3f%2c%29&i=0+HEAD%0d%0a2+PLAC+sss%2css%2css%2css%2css%2c5+eme+arrondissement%0d%0a2+DATE+7+OCT+1956%0d%0a1+GTO%0d%0a2+PLAC+Town+%2c+Area+code+%2c+County+%2c+Region+%2c+Country%2c+Subdivision%0d%0a2+DATE+27+SEP+1856%0d%0a0+%401I%40+INDI

Dans ton exemple, et seulement pour le pays, un coup y'a des espaces avec les virgules et un coup non, j'en ai tenu compte. Mais pas pour la date ou la ville.


Pour ton histoire de ville + pays si et seulement si

Yed te permet de travailler ligne par ligne
Yed sait faire des Replace
alors tu peux faire ça
Regex \d\s?PLAC\s?([A-Za-z]+)\s?,(?:.+?,){3}\s?([A-Za-z]+).+
Replace $1 - $2
Ce qui donne sur une seule ligne
http://regexstorm.net/tester?p=%5cd%5cs%3fPLAC%5cs%3f%28%5bA-Za-z%5d%2b%29%5cs%3f%2c%28%3f%3a.%2b%3f%2c%29%7b3%7d%5cs%3f%28%5bA-Za-z%5d%2b%29.%2b&i=2+PLAC+sss%2css%2css%2css%2css%2c5+eme+arrondissement&r=%241+-+%242

ou 
http://regexstorm.net/tester?p=%5cd%5cs%3fPLAC%5cs%3f%28%5bA-Za-z%5d%2b%29%5cs%3f%2c%28%3f%3a.%2b%3f%2c%29%7b3%7d%5cs%3f%28%5bA-Za-z%5d%2b%29.%2b&i=2+PLAC+Town+%2c+Area+code+%2c+County+%2c+Region+%2c+Country%2c+Subdivision&r=%241+-+%242

Il faut cliquer sur l'onglet "Context" pour voir le résultat du remplacement.


Par sur le texte entier ça donne http://regexstorm.net/tester?p=%5cd%5cs%3fPLAC%5cs%3f%28%5bA-Za-z%5d%2b%29%5cs%3f%2c%28%3f%3a.%2b%3f%2c%29%7b3%7d%5cs%3f%28%5bA-Za-z%5d%2b%29.%2b&i=0+HEAD%0d%0a2+PLAC+sss%2css%2css%2css%2css%2c5+eme+arrondissement%0d%0a2+DATE+7+OCT+1956%0d%0a1+GTO%0d%0a2+PLAC+Town+%2c+Area+code+%2c+County+%2c+Region+%2c+Country%2c+Subdivision%0d%0a2+DATE+27+SEP+1856%0d%0a0+%401I%40+INDI&r=%241+-+%242

Whismeril · Answer

Je ne peux pas te faire une réponse détaillée à cette heure, mais je peux répondre à ça Q1 - Pourquoi ces différences de renvoi entre par exemple entre et ? Est elle mal écrite, Est il normal que le fichier entier apparaisse dans matche, .. Je ne comprends pas quoi ? .. Il y a pleins de moteurs de regex différents avec des subtilités de l’un à l’autre, par exemple pour certains moteurs les groupes peuvent avoir un nom pour les autres non. D’où l’intérêt de faire des tests avec un outils qui utilise le même moteur que yed. Je me sers principalement de regexstorm, car je code en C# et que ce site se sert du même moteur.

Whismeril · Answer

Pour la date
(?ms).*^\d\sDATE\s([^
]*).*$ ce n'est pas bon car tu demandes que ça ailles jusqu'à la fin du texte avec $ mais que ça ne passe pas les sauts de lignes avec [^
] c'est contradiction.

Ma regex (?<=DATE\s)\d{1,2}\s[A-Z]{3}\s\d{4} ne retournait pas 27 sept 1856 car dans un exemple précédent les mois étaient en majuscules et codés sur 3 lettres, "sept" c'est 4 minuscules
Ceci corrige cela (3 à 4 lettres) (?<=DATE\s)\d{1,2}\s[A-Za-z]{3,4}\s\d{4}

Elle marche dans le module de recherche de NotePad++, sur RegexStorm.
Pour Regex101, sur la gauche, tu peux choisir le moteur.
Elle fonctionne avec les 3 premiers (PHP, JS et Python), mais pas avec Goland.

Whismeril · Answer

Je ne comprends décidément pas ce que tu veux.

Je t'ai dit que $ veut dire que aller jusqu'à la fin du texte, dans tes exemples les données à capturer ne sont jamais à la fin du texte.
Si je prend celle pour la date, avec ton dernier texte sur regex101
https://regex101.com/r/Seff2w/1
Elle ne capture pas la date, elle capture tout le texte et extrait la date dans un groupe.
J'ai commencé par te proposer des groupes et tu n'en voulais pas.
Si je reprends la regex de date que je t'ai proposé au message 12, sur regex101 avec ce même texte https://regex101.com/r/Seff2w/2
Elle ne capture bien uniquement que la date et tu as bien insisté sur le uniquement.
Donc sois je suis bête, soit tu ne sais pas ce que tu veux.

D'autre part, si pour x raison, dans ton fichier il y a DATE trucmuche, alors ta regex va récupérer "trucmuche" dans le groupe alors que la mienne non https://regex101.com/r/Seff2w/3

Whismeril · Answer

Effectivement dans la saisie de la Regex le logiciel que j'utilise (YED) : a) - je saisie d'abord le groupe dans lequel je me place par exemple le groupe ou Ha oui, ça change tout..... Tu fais donc du ligne par ligne, est ce obligé par YED, ou c'est ton point de vue? Parce que depuis le début, je m'efforce de trouver l'info adéquate (ou que je crois adéquate) dans le texte entier. Sache que si ça n'est pas obligé, c'est une perte de temps. Pour te répondre, je pars du principe que c'est obligé et je ne vais décrire que pour la date, car c'est pareil pour toutes les autres (?ms).*^\d\sDATE\s(.*?)$.* Au risque de me répéter Elle ne capture pas la date, elle capture tout le texte et extrait la date dans un groupe. ... J'ai commencé par te proposer des groupes et tu n'en voulais pas. De plus, au risque de me répéter à nouveau. Si pour x raison dans le fichier la ligne est 2 DATE trucmuche ça capture trucmuche dans le groupe https://regex101.com/r/Seff2w/5 Maintenant, j'ai nettement l'impression que tu ne tiens pas compte de mes réponses. Donc, une fois pour toute, peux tu clairement répondre à ces trois questions 1 ligne par ligne obligé ou capture sur tout le texte possible? 2 utilisation des groupes ou pas? 3 capture incohérente autorisée ou pas? Si dans ton projet message, tu réponds à ces 3 questions, je continuerais à essayer de t'aider. Par contre si comme tu le fais depuis le début, tu me balances un nouveau texte d'exemple, des regex qui ne prennent pas en compte mes remarques, des explications obscures qui ne répondent pas à mes questions, alors je passerai à autre chose. PS arête de parler de Java puisque tu ne codes pas dans ce langage, les regex c'est un langage à part entière.

jc64000 · Answer

Bonjour, Je vais essayer de répondre à tes questions. 1- Comme dans ton exemple, dans et ta capture d'écran J'extrait la date dans un groupe. Comme tu le vois, par exemple si dans le fichier la ligne est 2 DATE trucmuche ça capture trucmuche dans le groupe 2- La réponse est ci-dessus 3-Je ne sais pas répondre Comme tu l'écris, la Regex ne capture pas la date, Yed m'impose de capturer tout le texte et d'extraire la date dans un groupe. En conclusion mes deux questions sont : Q1 - Y a t'il dans mes Regex des fautes d'orthographe ? Q2 - Comment s'écrit la RegEx Java pour extraire ensemble "Ville Pays"" ou mieux "Ville - Pays" (avec un séparateur, par exemple "-" ) Merci de ta patience. Salutations

Whismeril · Answer

Bonjour

OK,

cependant, ne pas savoir répondre à  3 capture incohérente autorisée ou pas? est problématique, pour la date, si par la suite, YED essaye de transformer "trucmuche" en date ça va planter.

Je m'explique 15 AUG 1884 c'est du texte, pas une date.
Dans la vraie vie, écrire 15 AUG 1884 en haut d'une lettre, signifie que l'on écrit cette lettre ce jour là, ça matérialise la date, mais ça n'est pas la date. La date c'est un décompte de jours, selon un cycle annuel depuis une référence, donc quelque part c'est un nombre. En informatique c'est un nombre (pour beaucoup de logiciels/systèmes, c'est le nombre de seconde depuis le 1/1/1970 à 00:00:00).
Donc ce texte 15 AUG 1884, l'informatique sait le convertir en Date, alors que trucmuche non.

Donc je vais continuer à penser (et appliquer) que la capture doit être cohérente.
De plus si tu peux gagner l'étape de la sélection ligne par ligne mes regex fonctionnent aussi bien sur le texte entier que sur une seule ligne (je ne le montre que pour la date, mais en supprimant tout ou partie du texte dans regex101 tu pourras le vérifier pour les autres)

Pour la Date:
Cette regex DATE\s(\d{1,2}\s[A-Za-z]{3,4}\s\d{4}) capture dans un groupe (sans nom) un texte qui est cohérent avec une date:

un traitement en ligne par ligne https://regex101.com/r/L6eRJ9/1
ou sur un texte complet https://regex101.com/r/L6eRJ9/2 


Pour la Ville:
Je considère que le nom doit contenir des lettres uniquement, ce qui donne
PLAC\s([A-Za-z]+) https://regex101.com/r/L6eRJ9/3
avec ta regex @2# serait considéré comme une ville.
On peut accepter des nombres éventuellement, il suffit de remplacer [A-Za-z] par \w, ce qui donne PLAC\s(\w+) https://regex101.com/r/L6eRJ9/4
 

Pour le Pays:
Idem que des lettres PLAC\s(?:.+?,){4}\s?([A-Za-z]+)(?=\s?,) https://regex101.com/r/L6eRJ9/5 
ou des lettres et des chiffres PLAC\s(?:.+?,){4}\s?(\w+)(?=\s?,) https://regex101.com/r/L6eRJ9/6


Enfin Ville - Pays.
C'est un peu plus compliqué.
Cette regex \d PLAC\s?([A-Za-z]+)\s?,(?:.+?,){3}\s?([A-Za-z]+).+ capture ville et pays (en lettres uniquement) dans 2 groupes séparés.
https://regex101.com/r/L6eRJ9/9

La suite dépend de YED,

si tu peux récupérer séparément le contenu des groupes 1 et 2 pour les concaténer alors c'est une très bonne option, car tu en fais ce que tu veux et tu peux travailler sur le texte entier (au passage, c'est ce que je t'ai proposé dés le début (23 mars), donc si on en revient là on a perdu 10 jours....)
si YED permet de faire des remplacementS par regex, là il faut travailler en ligne par ligne et mettre $1 - $2 comme syntaxe de substitution, dans l'exemple je n'ai laissé que les lignes concernées le résultat est le cumul de toutes les substitutions (ça je te l'ai dit le 25 mars)
https://regex101.com/r/L6eRJ9/8

Si YED ne permet ni de travailler avec plusieurs groupes ni les remplacements, alors je ne voie pas de solution

Note que si YED sait travailler avec plusieurs groupes alors cette regex DATE\s(\d{1,2}\s[A-Za-z]{3,4}\s\d{4}).*?\d PLAC\s?([A-Za-z]+)\s?,(?:.+?,){3}\s?([A-Za-z]+) avec l'option SingleLine
capture la date, la ville et le pays dans 3 groupes
https://regex101.com/r/L6eRJ9/10

Whismeril · Answer

D’accord avec ton énoncé.

Whismeril · Answer

De rien.

As tu pu faire un Replace avec $1 - $2?
Si oui, et si ton problème est résolu, pense à marquer le sujet comme tel avec le bouton tout en haut du fil

Une regex java pour extraire un mot dans une chaine

12 réponses

Votre réponse

Discussions similaires