Discussion :

[Invité]

Bonjour tout le monde,


Voilà, j'ai eu un petit casse-tête à résoudre (que je me suis infligé ). C'est du parsing, donc je me disais qu'une regex ferait l'affaire.

Et bien j'ai eu beau tourner le problème dans tous les sens, je n'y suis pas parvenu avec une regex unique, alors je me suis débrouillé autrement. Ma solution est moins bonne, moins belle et moins efficiente que celle que j'espérais, mais ça marche.

Alors j'aimerais savoir s'il y en a ici qui seraient capables de le résoudre. Moi, ça me paraît impossible, et j'aimerais savoir si j'ai tort.

Rentrons dans le vif du sujet: j'ai une liste de fichiers qui suivent une convention de nommage assez "flexible" disons (liste écrite dans un fichier texte).


La voici, les crochets représentant les choses facultatives

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

date[ - type_depense] - description_depense[ - depense]extension

Voici les regex correspondant aux différents éléments:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
 
jour="[0-9]{2}"
mois="[0-9]{2}"
annee="[0-9]{4}|[0-9]{2}"
separateur_date="[-:.]"
date="($jour)$separateur_date($mois)$separateur_date($annee)"
type_depense="(Perso|Professionnelle)"
description_depense="(.*)"
montant="[0-9]+,[0-9]{1,2}"
devise=" ?[a-zA-Z]{3}"
depense="($montant)($devise)?"
extension="\.[a-zA-Z0-9]{3,4}"

Quelques exemples d'entrées valides:
23:02:09 - Professionnelle - Ma description - 43,06EUR.png
23-02-09 - Perso - Ma-description - 43,06 EUR.png
23.02.2009 - Professionnelle - Une autre desciption - 43,06.jpg
23:02:09 - Description - 43,06.pdf
23-02-09 - Une-dernière-description.gif

Le challenge est d'extraire les informations utiles: le jour, le mois, l'année, le type de dépense, la description, le montant et la devise et de les mettre dans un fichier CSV (fichier texte où chaque élément utile de chaque ligne est placé entre des point-virgules).

[Edit] Oubli qui a son importance: le type de dépense et la description doivent être mis entre guillemets dans le fichier CSV. D'autre part, la date doit être formatée comme suit: jour/mois/année

MAIS, et c'est ici que ça se corse, en utilisant une seule regex et une seule fois sed (ou un autre programme utilisant les regex POSIX). Pour ceux qui ont l'habitude des regex, le vrai challenge est de se passer des qualificateurs non gourmands et des assertions, et plus généralement de tout ce qu'on retrouve dans les PCRE mais pas dans les regex POSIX.


Voilà, moi je n'y suis pas parvenu et j'ai dû "tricher" en remplaçant d'abord le séparateur " - " par un séparateur à un seul caractère (le point virgule) et en utilisant une classe d'exclusion (description_depense devient "[^;]+").


Alors, si quelqu'un parvient à résoudre ce problème, il aura… toute mon admiration, car pour moi c'est un problème impossible à résoudre avec les regex POSIX.


Bon courage et bonne chance à ceux qui voudront relever le challenge.


PS: s'il faut y'a une solution toute simple à laquelle je n'ai pas pensé et je vais passer pour un débile, mais bon tant pis

[N_BaH]

Bonjour,

Tu obtiens donc un fichier tel que

23;02;09;Professionnelle;Ma description;43,06;EUR;png;
23;02;09;Perso;Ma-description;43,06;;EUR;png;
23;02;09;Professionnelle;Une autre desciption;43,06;;jpg;
23;02;09;;Description;43,06;;pdf;
23;02;09;;Une-dernière-description;;gif;

c'est à dire, dans lequel, si un élément est absent du fichier original, cet élément est "remplacé" par un point virgule...

Tu confirmes ?

--
de mon côté, pour l'instant, j'en suis encore là :
-> ->

[Invité]

Bonjour,

Tu obtiens donc un fichier tel que

23;02;09;Professionnelle;Ma description;43,06;EUR;png;
23;02;09;Perso;Ma-description;43,06;;EUR;png;
23;02;09;Professionnelle;Une autre desciption;43,06;;jpg;
23;02;09;;Description;43,06;;pdf;
23;02;09;;Une-dernière-description;;gif;

c'est à dire, dans lequel, si un élément est absent du fichier original, cet élément est "remplacé" par un point virgule...

Tu confirmes ?

--
de mon côté, pour l'instant, j'en suis encore là :
-> ->

Oui. Sauf, que je ne conserve pas l'extension et que je rajoute des guillemets là où il faut (description et type de dépense), mais bon, c'est du détail.

Tu as trouvé?


[Edit] Je crois savoir ce que tu as fait, et ce que je disais n'est peut-être plus du détail: il faut mettre entre guillemets la description et le type de dépense.

[Edit 2] Et un autre truc que je n'avais pas vu: la date doit formatée comme suis: jour/mois/année

[N_BaH]

Tu as trouvé?

Non, non, loin de là... -> ->

Je ne parviens pas encore à me figurer comment tenir compte d'un élément qui est absent, pour quand même faire un ajout (par exemple, si perso, ou professionnelle, n'est pas là, il faut tout de même ajouter un point-virgule)...

Ah si ! Attend,... bah non.
Presque, mais pas encore.

désolé.

[Invité]

Non, non, loin de là... -> ->

Je ne parviens pas encore à me figurer comment tenir compte d'un élément qui est absent, pour quand même faire un ajout (par exemple, si perso, ou professionnelle, n'est pas là, il faut tout de même ajouter un point-virgule)...

désolé.

Bon, si ça peut aider, voilà en gros l'expression régulière (fausse):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 
separator=" - "
day="[0-9]{2}"
month="[0-9]{2}"
year="[0-9]{4}|[0-9]{2}"
dateSeparator="[-:.]"
date="($day)$dateSeparator($month)$dateSeparator($year)"
expenseType="Lunch|Other"
expenseDescription=".*"
expenseAmount="[0-9]+,[0-9]{1,2}"
expenseCurrency=" ?[a-zA-Z]{3}"
expense="($expenseAmount)($expenseCurrency)?"
extension="\.[a-zA-Z0-9]{3,4}"
 
regexp="^$date($separator($expenseType))?$separator($expenseDescription)($separator$expense)?$extension$"

Et ce par quoi on le remplace:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
replacement="\1\/\2\/\3;\"\5\";\"\6\";\8;\9"

L'expression régulière est "fausse" car le quantificateur * est "gourmand" c'est-à-dire en gros qu'il ne prend pas le séquence trouvée la plus courte mais la plus longue.
Avec les PCRE, on règle ce problème en passant le * en quantificateur non gourmand à l'aide du point d'interrogation: *?
Avec les PCRE, on peut aussi utiliser les assertions. Dans notre cas, on aurait utilisé l'assertion avant négative: (?!motif), ce qui aurait donc donné .*(?! - ).

Mais malheur de malheur sed ne connaît que les regex POSIX, pas les PCRE. Et ce nul n'est pas capable de stocker plus de 9 buffers, au passage…