Discussion :

[phoenix420]

Bonjour.

Je bloque sur un problème depuis un moment et pas moyen d'avancer.

J'effectue des modifications sur des fichiers textes afin de mieux les exploiter.

Sur un fichier en particulier, le format est un peu spécial.
J'ai trois colonnes, je veux récupérer les données des deux premières.
Le caractère séparant les colonnes semble être la tabulation ("\t").
Le contenu de la deuxième colonne peut parfois être vide, le problème est que si j'effectue un ligne.split("\t") et que je teste le contenu de ma 2ème case comme ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
String[] ggg = ligne.split("\t");
if (ggg[1].equals("")==true)
    {System.out.println("ERREUR");}

Il me renvoit bien le message "ERREUR". Cela veut donc dire que quand je n'ai que la première colonne de remplie, le contenu de ma deuxième colonne est le caractère "" (rien).

Mais quand je veux afficher les lignes dont le contenu est différent de "", cela ne fonctionne pas, ce caractère n'est pas reconnu.

Voilà un extrait de mon fichier texte :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
gnf1h05832_at	KIAA1754
gnf1h05833_at	C12orf57
gnf1h05834_at	
gnf1h05835_at	FLJ90396
gnf1h05836_at	METT5D1
gnf1h05837_s_at	MAGI3
gnf1h05838_at	DNAJB7
gnf1h05839_at	
gnf1h05840_at	UHRF2
gnf1h05841_at	KIAA1797
gnf1h05842_at	
gnf1h05843_s_at	FAM11A

Comment conserver uniquement les lignes dont les deux colonnes sont renseignées ?

[snowpy]

tu peux tester caractère par caractère si c'est bien un caractère que tu veux garder (en testant le code ascii) non ?
Pour la fin de ligne y'à un /0 qui doit trainer donc ca te renseigne sur la fin de ligne. Donc tu garde la ligne que si tu trouves 2 groupes de chiffre/lettre

[phoenix420]

Merci d'avoir répondu ! Désolé pour le retard me concernant.

J'ai testé plusieurs options et cela ne me donne pas satisfaction. Je résume de nouveau mon problème, il est un tout petit peu différent sur la forme par rapport à la dernière fois mais il reste quand même le même sur le fond.

J'ai appris que le format .csv permettait de formater les fichiers textes pour que les mots soient séparés par des points virgules, ce qui me facilite la tâche.

Dans mon fichier texte, cela se présente de la manière suivante maintenant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
gnf1h05778_at;GIMAP2;GTPase, IMAP family member 2;ENST00000223293
gnf1h05779_at;OR2M4;olfactory receptor, family 2, subfamily M, member 4;ENST00000306687gnf1h05780_at;KIAA1328;KIAA1328;
gnf1h05781_at;obsoleted by Celera;/len=359 GA_x54KRE9GCTR hCG1644107.1 (6762586-6765699) EXPERT_REVIEW;
gnf1h05782_s_at;SPPL2A;signal peptide peptidase-like 2A;ENST00000261854gnf1h05783_at;;T-cell receptor V beta gene segment V-beta-w21, clone IGRb01;
gnf1h05784_s_at;;T-cell receptor V beta gene segment V-beta-w21, clone IGRb01;
gnf1h05785_x_at;;T-cell receptor V beta gene segment V-beta-w21, clone IGRb01;
gnf1h05786_at;SKIP;SPHK1 (sphingosine kinase type 1) interacting protein;ENST00000344657
gnf1h05822_at;;;
gnf1h05787_at;ATP6V1E2;ATPase, H+ transporting, lysosomal 31kDa, V1 subunit E2;

Ce qui m'intéresse ce sont les termes que j'ai soulignés ici dans cet exemple (ainsi que la première référence de chaque ligne qui, elle, est toujours renseignée donc ne pose aucuns problèmes) donc en général ce sont les lignes colorées ici en vert qui m'intéressent.

Problème n°1 : Les lignes colorées ici en rouge ou en noir. Je ne veux effectuer aucune action lorsque ce type de ligne se présente lors du parsing. Le terme situé après le premier point-virgule m'est inconnu, j'ai beau tester pour savoir si c'est un saut de ligne, un caractère nul (null), un caractère vide ("") etc rien n'y fait.

Problème n°2 : La ligne colorée ici en rose. Lorsque ce type de ligne est lu, je ne veux effectuer aucune action là non plus. Je veux donc reconnaître "obsoleted by Celera" et donc n'effectuer aucune action si cela se présente. Mais quelque soit le test effectué la ligne est quand même affichée !

Voilà la méthode que j'utilise pour parser mon fichier :

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
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
public static void cherchereferencegene() throws IOException
 {
      listreferencesbiogps = new ArrayList<String>();
  
    // lecture de mon fichier texte d'origine  
    InputStream kre = new FileInputStream("U:/Projet - Extraction de données en ligne microRNA/Fichiers plats/BioGPS/GNF1H - Annotations.csv");
      InputStreamReader ipsr = new InputStreamReader(kre);
      BufferedReader lr = new BufferedReader(ipsr); 
  
      String ligne;
      // déclaration et initialisation d'un compteur pour ne pas lire la première ligne (les en-têtes de colonne)
      int compt = 0;
  
      while ((ligne=lr.readLine())!=null)
      {
           if (compt!=0)   // si ma ligne est différente de la première ligne, alors ...           {
            String[] tabtemp = ligne.split(";");
            // "[\\s]" permet de tester si le caractère est un caractère blanc : espace, tabulation, retour à la ligne ... équivalent à [ \t\n\r\f\x0B], mais j'ai déjà aussi testé "[\\d]" ou "[\\D]" ou "[\\w]" ou "[\\S]", je n'arrive pas à comprendre ce qu'est mon deuxième caractère, et la ligne "obsoleted by Celera n'est même pas reconnue, elle s'affiche.
            if ((tabtemp[1].regionMatches(0, "\\s", 0, 1)==false) && (tabtemp[1]!="obsoleted by Celera"))  
             {System.out.println(tabtemp[1]);}
            /    *if ((tabtemp[0]!="") && (tabtemp[1]!=""))
            {
             listreferencesbiogps.add(tabtemp[0] +"---" +tabtemp[1]);
             System.out.println(tabtemp[0] +"---" +tabtemp[1]);
            }*/           }
           compt++;
      }
    // fermeture du flux de lecture  
    lr.close();
  
 }

Donc quand j'exécute cette méthode, j'ai ceci qui s'affiche (en rapport avec l'extrait de lignes en exemple) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
GIMAP2
OR2M4
KIAA1328
obsoleted by Celera
SPPL2A
 
 
 
SKIP
 
ATP6V1E2

Il reconnaît bien mon contenu de case 1 comme étant le caractère RIEN ("") car il affiche ERREUR en cas de ligne de type noir ou rouge.

Mais si par exemple après je lui demande de ne pas m'afficher ma ligne si le contenu de la case 1 est RIEN ("") et bien il affiche quand même ma ligne. Et je ne la veux pas cette ligne.


C'est à n'y rien comprendre ... et j'ai vraiment besoin d'avancer.

[jcdentons]

Bonjour,

Pour comparer des chaines de caractères, il faut d'utiliser la méthode "equals" :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
"aba".equals("aba"); // retourne vrai
"aba".equals("a");// retourne faux
"aba".equals(null);//retourne faux
"".equals(null);//retourne faux

[phoenix420]

En effet, c'est vrai, merci !

Mais le problème ne venait pas de là en fait.

J'ai effectué une autre sorte de test, j'ai testé la taille de mon tableau issu du "split" et j'ai pu sélectionner les données d'intérêt .

Merci en tout cas !