Discussion :

[steppi26]

Bonjour ,
je debarque dans ce forum parce ce que je cherche à trier tous les textes qui sont en .doc ou .odt sur mon ordi. Ils correspondent à 15 ans d´écriture, et je ne peux pas tout vérifier à la main (ou plutot a loeil)

Donc je recherche une expression réguliere qui pourrait enlever les doublons d´un seul coup dans chaque fichier.

Je pose mon probleme visuellement:

j´ai 8 phrases :
le ciel est bleu
les oiseaux chantent
la mer est calme
la mer est calme
les oiseaux chantent
le ciel est bleu
les oliviers grandissent
les oliviers grandissent
le ciel est bleu

et je souhaite :
le ciel est bleu
les oiseaux chantent
la mer est calme
les oliviers grandissent


J´espere que mon exemple est parlant. En fait je veux qu´une seule occurrence de chaque phrase.
Evidemment, mon nombre de phrases est de l´ordre de 30 000, c´est pour ca que je souhaite une regex qui puisse nettoyer mes fichiers.

Je travaille avec open office.
Pour le moment , jai trouvé ca:
^(.*)|(\r?\n\1)+$ que j´insère ds la zone Rechercher.
Mais je ne sais pas quoi mettre ds la zone Remplacer .

Cordialement
Stef

[CosmoKnacki]

Il n'y a pas vraiment de solution simple car tu vas devoir actionner plusieurs fois la commande "tout remplacer" jusqu'à ce qu'on te réponde "terme recherché introuvable". En effet, comme tes lignes dupliquées sont éventuellement séparées par d'autres lignes qui n'ont rien à voir et qui sont potentiellement elles aussi des lignes dupliquées, tu vas devoir faire plusieurs passages pour toutes les avoir.

Tu peux le faire avec cette pattern:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

(?m)^((.*\S)[^\S\r\n]*(?>\r?\n.*)*?\r?\n)\2[^\S\r\n]*$\r?\n?

et il suffit de mettre $1 en remplacement.

NB: La pattern est écrite de manière à ne pas traiter les lignes blanches et à ne pas prendre en compte les espaces en fin de ligne.

PS: Cette méthode est une méthode de bourrin. L'idéal serait de passer par un langage de programmation X muni d'une api libreoffice.

[steppi26]

Merci kosmoknacki - Alors je vais deja l´essayer - le Code tel que tu me le passes - je vais voir ce que ca fait - Tu dis ue cest bourrin, ca veut dire quil peut y avoir perte de donnees dans les écrits ?

A plus
Stef

Il n'y a pas vraiment de solution simple car tu vas devoir actionner plusieurs fois la commande "tout remplacer" jusqu'à ce qu'on te réponde "terme recherché introuvable". En effet, comme tes lignes dupliquées sont éventuellement séparées par d'autres lignes qui n'ont rien à voir et qui sont potentiellement elles aussi des lignes dupliquées, tu vas devoir faire plusieurs passages pour toutes les avoir.

Tu peux le faire avec cette pattern:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

(?m)^((.*\S)[^\S\r\n]*(?>\r?\n.*)*?\r?\n)\2[^\S\r\n]*$\r?\n?

et il suffit de mettre $1 en remplacement.

NB: La pattern est écrite de manière à ne pas traiter les lignes blanches et à ne pas prendre en compte les espaces en fin de ligne.

PS: Cette méthode est une méthode de bourrin. L'idéal serait de passer par un langage de programmation X muni d'une api libreoffice.

[steppi26]

Salut cosmoknacki,
Bon alors j´ai bien essayé ta pattern, mais ca selectionne trop de texte à la fois où il n´y a pas forcément de doublons en fait... Donc, je dirais que ca se rapproche de ce que je cherche, mais c´est imprécis. Heureusement, jai fait le test sur une copie de fichier...

Est-ce que je pourrais ténvoyer un de mes textes pour que tu voies par toi- même ce que ca fait ? ? Ca serait vraiment génial que je parvienne à trouver LA formule

dis-moi sil te plait, quand tu as le temps...

cordialement
Steph

Merci kosmoknacki - Alors je vais deja l´essayer - le Code tel que tu me le passes - je vais voir ce que ca fait - Tu dis ue cest bourrin, ca veut dire quil peut y avoir perte de donnees dans les écrits ?

A plus
Stef

[CosmoKnacki]

Si tu veux tu peux poster un lien vers un de tes fichiers ou me l'envoyer par message privé. Cela dit je ne pourrai pas le regarder tout de suite car je suis en déplacement actuellement.