Re: Une regexp est recherchee

Bonjour,

Le 31/10/2021 à 02:20, Stefan Ram a écrit dans le message
<regexp-20211031015833@ram.dialup.fu-berlin.de> :

  Une regexp est recherchée
>
  Étant donné le texte suivant :
>
<li>xyzzy<a>wr$g<span>ALPHA</span>aef a:iue</a>a/li-aeif</li>
<li>abc cb<a>wro/ghqiu<span>BETA</span>anfea+uie</a>ei!rqiu</li>
<li>48 4/li_99<a>e//og ai<span>GAMMA</span>a^ue ui</a>ne fi.a iq</li>
<li>285289<a>äirh`iuah<span>EPSILON</span>afi uahui</a>erih(aeui</li>
>
  La division en lignes dans cet affichage n'est faite que
  pour des raisons de clarté. Ce que l'on veut dire, c'est
  que le texte est une longue ligne unique.
>
  Vous voyez quatre sous-textes, dont chacun commence par
  "<li>" et se termine par "</li>".
>
  Ces textes partiels contenant "GAMMA" doivent maintenant
  être supprimés à l'aide d'un programme capable de rechercher
  des regexps et de les remplacer par d'autres textes.
>
  Le résultat devrait donc être le suivant :
>
<li>xyzzy<a>wr$g<span>ALPHA</span>aef a:iue</a>afji-aeif</li>
<li>abc cb<a>wro/ghqiu<span>BETA</span>anfea+uie</a>ei!rqiu</li>
<li>285289<a>äirh`iuah<span>EPSILON</span>afi uahui</a>erih(aeui</li>
>
  . J'aimerais donc avoir une commande comme suit :
>
Remplacer tous les sous-textes correspondant à le regexp
"..." par "" (rien).
>
  Mais que serait cette regexp ?
>
  La tentative naïve qui suit, échoue sûrement !
>
  (écrit en Python)
>
import re
>
source = \
"<li>xyzzy<a>wr$g<span>ALPHA</span>aef a:iue</a>a/li-aeif</li>"\
"<li>abc cb<a>wro/ghqiu<span>BETA</span>anfea+uie</a>ei!rqiu</li>"\
"<li>48 4/li_99<a>e//og ai<span>GAMMA</span>a^ue ui</a>ne fi.a iq</li>"\
"<li>285289<a>äirh`iuah<span>EPSILON</span>afi uahui</a>erih(aeui</li>"
>
print( re.sub( "<li>.*?GAMMA.*?</li>", "", source ))
>
  qui imprime
>
<li>285289<a>äirh`iuah<span>EPSILON</span>afi uahui</a>erih(aeui</li>
>
  . Je me demande si cela est possible !

Je n'ai pas trouvé pour le faire avec une regex sans un truc pourri mais
on peut s'en sortir autrement :

print(''.join(
    [s for s in re.findall('<li>.*?</li>', source)
        if s.find('GAMMA') == -1]))

La bonne méthode (qui marche dans toutes les situations) serait
d'utiliser un parser HTML ou XML.

Le truc pourri :

print( re.sub( "<li>.(?:(?<!<li>).)*GAMMA.*?</li>", "", source ))

Donc « <li> » suivi d'un caractère, suivi de zéro ou plus caractère(s)
qui ne sont pas précédés de « <li> ».

Évidemment ça va bouffer BETA si on a « <li>GAMMA… ».

--
Benoit Izac