Discussion :

[Fikou-Sama]

Salut..

J'ai un problème avec les expressions régulières. En fait pas vraiment mais seulement sur le vb.net.

Voilà la situation :
J'ai un fichier sous forme

<TITLE>
This is a title
</TITLE>

<SUBTITLE>
This is the 1st subtitle
</SUBTITLE>

<TEXT>
This is some text for the 1st paragraph......
</TEXT>

<SUBTITLE>
This is the 2nd subtitle
</SUBTITLE>

<TEXT>
This is some text for the 2nd paragraph......
</TEXT>

et je veux extraire ce qui est entre les balises <xxx> et </xxx> alors j'ai écris mon motif comme

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
        pat = "<(.*)>(\n*)(.*?)(\n*)</(.*)>"
        content = "le texte du fichier..."
 
        Dim r As New Regex(pat, RegexOptions.Multiline And RegexOptions.IgnoreCase)
        Dim mc As MatchCollection = r.Matches(content)
 
        Dim c As Capture
        Dim cc As CaptureCollection
 
        For Each m As Match In mc
            cc = m.Captures
            For Each c In cc
                s &= "capture = [" & c.Value & "]" & vbCr
                Me.resultat.AppendText(s & "   ****  " & vbCr)
            Next
        Next

mais ça m'affiche

[<TITLE>
This is a title
</TITLE>]
****
[<TITLE>
This is a title
</TITLE>]
[<SUBTITLE>
This is the 1st subtitle
</SUBTITLE>]
****
[<TITLE>
This is a title
</TITLE>]
[<SUBTITLE>
This is the 1st subtitle
</SUBTITLE>]
[<TEXT>
This is some text for the 1st paragraph......
</TEXT>]
****
......

Il m'affiche le [1er match] puis le [1er match + 2eme match] puis le [1er match + 2eme match + 3eme match]...... je ne comprend pas ces résultats.

comment pourrait je extraire les chaines qui sont entre les <xxx> et </xxx>

[Fikou-Sama]

Après quelques testes j'ai réussi a manipuler mon fichier comme je le souhaite.

Bon voilà mon code :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
        pat = "(?<1>\<\w+\>)\s+(?<2>.*)\s+(?<3>\</\w+\>)"
        Dim r As New Regex(pat)
        Dim m As Match = r.Match(conteu_du_fichier)
 
        While m.Success
 
            Me.resultat.AppendText(m.Groups(2).Value & vbCr & "  ****" & vbCr)
            m = m.NextMatch
        End While

Le m.groups(0) c'est le résultat du masque (pat) complet sur le texte.
Le m.groups(1) c'est <TITLE> et <SUBTITLE> et <TEXT>
Le m.groups(2) c'est le texte entre m.groups(1) et m.groups(3)
Le m.groups(3) c'est </TITLE> et </SUBTITLE> et </TEXT>

[StormimOn]

Tu peux simplifier avec l'expression

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<([^>]+)>(.*?)</\1>

Il faut utiliser l'option SingleLine dans ce cas pour que le . puisse correspondre aux retours chariots.

Le groupe 1 contiendra TITLE, SUBTITLE, TEXT
Le groupe 2 contiendra le texte entre les balises. Un petit coup Trim pour retirer les caractères non voulus (CR, LF) et le tour est joué.

Par exemple

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
Dim matches As MatchCollection = Regex.Matches(input, "<([^>]+)>(.*?)</\1>", RegexOptions.Singleline)
For Each match As Match In matches
    Dim texte As String = match.Groups(2).Value.Trim(Environment.NewLine.ToCharArray())
    Console.WriteLine(texte)
Next

avec input le texte contenu dans ton fichier.

[Fikou-Sama]

Merci StormimOn ça marche.