regex pour tester un mail ou une URL

Version imprimable

27/08/2009, 17h41
rambc

regex pour tester un mail ou une URL

Bonjour,
la réponse est sûrement dans ce forum mais j'ose quand même la (re)poser.

Comment savoir si un texte donné est à peu près une adresse HTML ?

Ce que tu appelles adresse HTML est une URL. Elle peut avoir toutes sortes de formes correctes...

Le plus simple est d'utiliser la lib urlparse à voir (ici).
Code:

1 2 3 4 >>> import urlparse >>> o = urlparse.urlparse('http://docs.python.org/library/urlparse.html') >>> o ParseResult(scheme='http', netloc='docs.python.org', path='/library/urlparse.html', params='', query='', fragment='')
Il te suffit de vérifier que o.scheme vaut bien "http".

27/08/2009, 18h34
rambc

Le souci c'est que cela marche sur une adresse complète. Quelque chose comme "www.google.com" n'est pas repéré.
27/08/2009, 18h46
tyrtamos

Bonjour,

Comme j'en avais besoin il y a quelques mois, je me suis penché sur la vérification des adresses mail par regex. C'est ici:

http://python.jpvweb.com/mesrecettes...f_adresse_mail

Le problème, c'est que les normes permettent des syntaxes d'adresses mails très complexes, voire farfelues (ex: l'adresse !d!x\\y~z%abc@example.com est valide).

Comme je voulais seulement détecter des fautes de frappes après saisie au clavier, j'ai simplifié un peu, quitte à avoir quelques "faux non-conformes". Mais tu peux rajouter ce qui manque... à condition d'éplucher les normes (j'en donne les adresses).

Tyrtamos
27/08/2009, 19h01
rambc

Merci, je vais étudier cela dès que possible et je reviendrais à l'attaque ici.

Je déterre ce post car je me heurte au problème suivant :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
# -*- coding: utf-8 -*-
#! /usr/bin/env python
import re
 
# The following pattern commes from the following page :
#    http://python.jpvweb.com/mesrecettespython/verif_adresse_mail
PATTERN_MAIL = re.compile(r"""
    ^                       # beginning of string
    [a-zA-Z0-9_\-]+         #il y a un premier mot compose de caracteres alphanumeriques et/ou le blanc souligne et/ou le tiret (mot eventuellement reduit a 1 seul caractere)
    (\.[a-zA-Z0-9_\-]+)*    #il peut y avoir eventuellement d'autres mots de même composition, chacun precede d'un seul point
    @                       #l'inevitable arrobas
    [a-zA-Z0-9_\-]+         #il y a un premier mot compose de caracteres alphanumeriques et/ou le blanc souligne et/ou le tiret (mot eventuellement reduit a 1 seul caractere)
    (\.[a-zA-Z0-9_\-]+)*    #il peut y avoir eventuellement d'autres mots de même composition, chacun precede d'un seul point
    (\.[a-zA-Z]{2,6})       #il y a forcement un dernier mot uniquement alphabetique, de longueur pouvant aller de 2 (ex: "fr") a 6 (ex: "museum") et precede par un seul point
    $                       # end of string
    """)
 
def isSimpleMail(stringToTest):
    return bool(PATTERN_MAIL.search(stringToTest))
 
print(str(isSimpleMail("mail@club.fr")))

J'obtiens FALSE et non TRUE comme espéré.

Le problème vient de ma syntaxe multiligne car le code suivant fonctionne :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
# -*- coding: utf-8 -*-
#! /usr/bin/env python
import re
 
# The following pattern commes from the following page :
#    http://python.jpvweb.com/mesrecettespython/verif_adresse_mail
PATTERN_MAIL = re.compile(r"^[a-zA-Z0-9_\-]+(\.[a-zA-Z0-9_\-]+)*@[a-zA-Z0-9_\-]+(\.[a-zA-Z0-9_\-]+)*(\.[a-zA-Z]{2,6})$")
 
def isSimpleMail(stringToTest):
    return bool(PATTERN_MAIL.search(stringToTest))
 
print(str(isSimpleMail("mail@club.fr")))

Comment avoir une présentation multiligne afin de la commenter ?

22/02/2010, 19h48
tyrtamos

Bonjour,

Je ne crois pas que ça puisse marcher en multiligne, et surtout pas avec une remarque (#...) à chaque ligne. Et dans la mesure où l'espace et l'antislash sont des caractères spéciaux dans les motifs, je ne vois pas comment faire.

Par contre, j'aime bien raisonner en multiligne pour construire et mettre au point des motifs complexes. Mais je passe en monoligne pour appliquer.

Tyrtamos

Bonsoir,

Il y a deux solutions:

- bien lire la doc:

http://python.developpez.com/cours/D...ns/verbose.php

Citation:

La chose la plus importante à se rappeler lorsqu'on utilise des expressions régulières détaillées est qu'il faut passer un argument supplémentaire : re.VERBOSE est une constante définie dans le module re qui signale que le motif doit être traité comme une expresion régulière détaillée. Comme vous le voyez, ce motif comprend beaucoup d'espaces (qui sont tous ignorés) et plusieurs commentaires (qui sont tous ignorés). Une fois enlevés les espaces et les commentaires, on obtient exactement la même expression régulière que nous avons vu à la section précédente, mais elle est beaucoup plus lisible.

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# -*- coding: utf-8 -*-
#! /usr/bin/env python
import re
 
PATTERN_MAIL = re.compile(r"""
    ^                       # beginning of string
    [a-zA-Z0-9_\-]+         #il y a un premier mot compose de caracteres alphanumeriques et/ou le blanc souligne et/ou le tiret (mot eventuellement reduit a 1 seul caractere)
    (\.[a-zA-Z0-9_\-]+)*    #il peut y avoir eventuellement d'autres mots de même composition, chacun precede d'un seul point
    @                       #l'inevitable arrobas
    [a-zA-Z0-9_\-]+         #il y a un premier mot compose de caracteres alphanumeriques et/ou le blanc souligne et/ou le tiret (mot eventuellement reduit a 1 seul caractere)
    (\.[a-zA-Z0-9_\-]+)*    #il peut y avoir eventuellement d'autres mots de même composition, chacun precede d'un seul point
    (\.[a-zA-Z]{2,6})       #il y a forcement un dernier mot uniquement alphabetique, de longueur pouvant aller de 2 (ex: "fr") a 6 (ex: "museum") et precede par un seul point
    $                       # end of string
    """,re.VERBOSE)
 
def isSimpleMail(stringToTest):
    return bool(PATTERN_MAIL.search(stringToTest))
 
print(str(isSimpleMail("mail@club.fr")))

Il faut bien lire la doc de "Plonger dans Python" parce que
http://www.developpez.net/forums/d22...n/#post5006484

- faire comme je l’ai découvert un jour, en oubliant une vigule dans un tuple qui me servait de RE :

Cela repose sur le fait que des chaînes rencontrées les unes à la suite des autres par l’interpréteur sont automatiquement concaténées:

Code:

1
2
ch = 'Louis' 'ian' "a H" 'igh' 'way 940'
print ch

Citation:

Louisiana Highway 940

Et manifestement, quand ces chaînes distinctes sont placées entre parenthèses, elles peuvent être situées sur plusieurs lignes:

Code:

1
2
3
4
ch = ('Waermund II (or Wær' "mund) was a m" 'edieval Bi' 'shop'
"of Roches" "ter.\n" 'He was co' 'n''s''ec''rat' 'ed be' 'tween'
' ' '8' "45 and" ' 862. He died betwee' 'n 860 and 868.')
print ch

Citation:

Waermund II (or Wærmund) was a medieval Bishopof Rochester.
He was consecrated between 845 and 862. He died between 860 and 868.

Et donc ceci marche aussi:

Code:

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
# -*- coding: utf-8 -*-
#! /usr/bin/env python
import re
 
 
 
REe = ('^'                       # beginning of string
      '[a-zA-Z0-9_\-]+'         #il y a un premier mot compose de caracteres alphanumeriques
                                #et/ou le blanc souligne et/ou le tiret (mot eventuellement
                                #reduit a 1 seul caractere)
      '(\.[a-zA-Z0-9_\-]+)*'    #il peut y avoir eventuellement d'autres mots
                                #de même composition, chacun precede d'un seul point
      '@'                       #l'inevitable arrobase
      '[a-zA-Z0-9_\-]+'         #il y a un premier mot compose de caracteres alphanumeriques
                                #et/ou le blanc souligne et/ou le tiret (mot eventuellement
                                #reduit a 1 seul caractere)'
      '(\.[a-zA-Z0-9_\-]+)*'    #il peut y avoir eventuellement d'autres mots de même
                                #composition, chacun precede d'un seul point
      '(\.[a-zA-Z]{2,6})'       #il y a forcement un dernier mot uniquement alphabetique,
                                #de longueur pouvant aller de 2 (ex: "fr") a 6 (ex: "museum")
                                #et precede par un seul point
      '$' )                     # end of string
 
 
def isSimpleMail(stringToTest):
    return bool(PATTERN_MAIL.search(stringToTest))
 
print(str(isSimpleMail("mail@club.fr")))

L’avantage est qu’il n’y a pas besoin de s’embêter à savoir où il faut placer le re.VERBOSE, et que ça permet d’avoir des blancs dans la RE, ce qui n’est pas le cas dans une RE détaillée

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
ch = """debut
carabistouille 1567 UU
palatino
fin"""
 
# NB  ch vaut 'debut\ncarabistouille 1567 UU\npalatino\nfin'
 
import re
 
patver = re.compile("""    # saut de ligne
.+?oui\w+ \d+ UU  # uh uh uh 
.{2}latin.+   # zagalou
""",re.VERBOSE)
 
patesp = re.compile('\n'  # saut de ligne
                    '.+?oui\w+ \d+ UU'  # uh uh uh
                    '\n'   # saut
                    '.{2}latin.+' # zagalou
                    '\n' ) # garggg)
 
print patver.search(ch)
print patesp.search(ch)

Citation:

None
<_sre.SRE_Match object at 0x010A2BB8>

23/02/2010, 09h58
rambc

Citation:

Envoyé par eyquem

Il faut bien lire la doc de "Plonger dans Python" parce que
http://www.developpez.net/forums/d22...n/#post5006484

Hum, hum, moi et les regex, un vrai cauchemar... :aie:
En fait, j'ai été payé pour écrire le post cité. :mrgreen:

Le re.verbose me va. :ccool:
Les autres solutions sont moins "jolies".

Merci.
23/02/2010, 12h37
tyrtamos

Bravo eyquem, ça c'est intéressant: j'adopte!

Je préfère aussi la solution VERBOSE.

Tyrtamos