Différences

Ci-dessous, les différences entre deux révisions de la page.

--- regex [2014/02/28 08:21] – luc
+++ regex [2024/12/10 21:26] (Version actuelle) – luc
@@ Ligne 1: / Ligne 1: @@
+===== Regex ou relations rationnelles =====
+Dans ce chapitres, il ne s'agit pas d'une conf, mais d'un outil qui est utilisé ici où là, notamment dans la conf de [[nginx]].
+=== Récapitulatif ===
+^  élément  ^  signification  ^
+| |  **Positionnement**  |
+|  %%^%%  |  début de la chaîne  |
+|  $  |  fin de la chaîne  |
+| |  ** Quantificateurs**  |
+|  *  |  répétition du motif précédent, zéro, une ou plusieurs fois  |
+|  ?  |  répétition du motif précédent, zéro ou une fois  |
+|  +  |  répétition du motif précédent, une ou plusieurs fois  |
+|  {N}  |  répétition du motif précédent N fois  |
+| |  **Structurants**  |
+|  ( )  |  Permet de délimiter un motif à évaluer en priorité  |
+|  [ ]  |  définit une classe, ce qui correspond à un motif dans le motif (voir le paragraphe dédié)  |
+|  %%|%%  |  permet une alternative entre ce qui est d'un côté ou de l'autre  |
+| |  **Spéciaux**  |
+|  .  |   un caractère, quelqu'il soit   |
+|  \  |  permet d'échapper un caractère spécial normalement utilisé pour décrire une regex: ''%%^%%$*?+{}()[]%%|%%.\!''  |
+|  !  |  euh  |
+| |  **Les raccourcis**  |
+|  \d  |  indique un chiffre = [0-9]  |
+|  \D  |  indique ce qui n'est pas un chiffre  |
+|  \w  |  indique un caractère alphanumérique = [a-ZA-Z0-9_]  |
+|  \W  |  indique ce qui n'est pas un caractère alphanumérique (le contraire de \w)  |
+|  \t  |  indique une tabulation  |
+|  \n  |  indique une nouvelle ligne  |
+|  \r  |  indique un retour chariot  |
+|  \s  |  indique un espace blanc  |
+|  \S  |  tout caractère qui n'est pas un whitespace (=espace) (testé en python)  |
+=== Principe ===
+Le concept est de permettre la sélection d'éléments au sein d'une chaîne alphanumérique au sens large. C'est très utilisé pour vérifier si une chaine a un format convenable (email dans un formulaire web, dans ce cas, on se concentre sur la présence d'un motif/formatage particulier avec retour d'un booléen), ou encore pour effectuer des remplacements (commande perl-rename dans archlinux).
+=== Classes ===
+== alternative ==
+Une classe est délimité par des ''[ ]''. N'importe quoi contenu dans la classe peut convenir. Par exemple : ''[aeiouy]'' permet de sélectionner (matcher) une voyelle.
+== plage ==
+On peut aussi définir des intervalles avec ''-'', ''[3-6]'' définit un chiffre compris entre 3 et 6 inclus.
+On peut cumuler la notion de plage avec la notion d'alternative : ''[a-zA-Z]'' pour définir une lettre en majuscule ou en minuscule.
+== négation dans une classe ==
+Elle est marquée par le caractère ''^''. : ''[^a-z]'' pour définir qque chose qui ne contient aucune lettre en minuscule.
+== échappement ==
+Dans une classe, l'échappement ''\'' ne doit pas être utilisé devant un caractère spécial d'une regex (''%%^%%$*?+{}()[]%%|%%.\!'') sauf '']'' car on s'en sert pour fermer la classe, et sauf ''-'' et ''%%^%%''dont on se sert dans la définition des classes.
+=== Quantificateurs ===
+''?'', ''+'', ''*''. S'appliquent au motif précédent, que ce soit une classe, un groupe ou juste une lettre. Dans ''chiens?'', le ''?'' ne s'applique qu'au ''s'', donc définit un ''chien'' ou des ''chiens''.
+Les ''{  }'' peuvent être aussi utilisées pour déterminer le nombre exact de répétition. ''[0-9]{4}'' sert à définir une date comme 1789, mais pas 495 (n'a que 3 chiffres).
+=== Groupes ===
+CE qui suit fonctionne avec la lib re (regex) de python
+les groupes sont délimités par les parenthèse ''( )''
+On peut avoir des groupes nommés pour les réutiliser plus facilement, notamment en python :
+<code|pcre>
+(?P<year>\d{4})
+# permet de trouver un groupe 4 digits consécutifs, et de le nommer "year"
+</code>
+On peut également se servir des groupes pour avoir des précurseurs (non capturés) qui doivent être présents (ou absents), immédiatement suivis par ce qu'on veut capturer, par exemple :
+<code|pcre>
+# IMG-20201025.jpg
+(?<=IMG-)(?P<year>\d{4})
+# (?<=IMG-) : est un précurseur, il ne sera pas retenu dans le match, mais il doit être présent sans quoi on ne capture pas les nombres
+# ainsi, on aura bien 2020 de capturé dans le groupe year, et non par 1025 ou autre suite de 4 chiffres
+</code>
+=== Renommer ===
+Dans certaines applications, la commande ''perl-rename'' pour ne pas la nommer, on remplace des bouts de chaînes par d'autres.
+<code bash>
+perl-rename -n 's/regex1/regex2/' fichier
+</code>
+On peut vouloir réutiliser des bouts de chaines sélectionnés dans la regex2. Dans ce cas, il faut former des groupes à l'aide des ''(  )'', qu'on peut réutiliser dans la seconde regex avec ''$1  $2'', ''$1'' correspondant au premier groupe, etc..
+=== Assertions ===
+Il s'agit de test qui sont effectués sur les caractères précédents ou suivant les caractères en cours d'étude, et ne font pas partie de la sélection.
+''b(?=[a-zA-Z])'' est positif si la lettre b est suivie par une autre lettre\\
+''b(?![0-9])'' est positif si la lettre b n'est pas suivie d'un nombre (assertion négative)
+Bref, c'est encore à développer