Haypo: /* "Optimiser" ses expressions rationnelles (ou éviter les pièges) */

2007-07-18T15:59:00Z

"Optimiser" ses expressions rationnelles (ou éviter les pièges)

Nouvelle page

[[CatÃ©gorie:Programmation]]

[[Programmation|Retour aux articles de programmation]]

Les '''expressions rationnelles''', ''expressions rÃ©guliÃ¨res'', ''regexp'', ou encore ''regex'', sont une notation permettant de vÃ©rifier qu'une chaÃ®ne de caractÃ¨re correspond Ã un motif donnÃ©. On peut s'en servir pour vÃ©rifier que des chaÃ®nes saisies sont valides, pour extraire des informations, ou encore pour remplacer un motif par une nouvelle expression. Il existe de trÃ¨s nombreux programmes permettant d'utiliser les expressions rationnelles (sed, perl, etc.).

Exemples :
* Â« '''[A-Za-z]+''' Â» reconnaÃ®t un mot composÃ© de lettres minuscules ou majuscules (sans lettre accentuÃ©e ou c-cÃ©dille)
* Â« '''[0-9]{4}''' Â» reconnaÃ®t un nombre de quatre chiffres exactement
* Â« '''(chien|chat)s?''' Â» reconnaÃ®t chien, chat, chiens ou chats

== Syntaxe ==

* Â« '''[abc]''' Â» : ReconnaÃ®t un caractÃ¨re parmi un ensemble donnÃ© (ici les lettres a, b et c). On peut spÃ©cifier des suites de caractÃ¨res comme Â« [a-z] Â» pour lettre de a Ã z. Attention, le caractÃ¨re doit Ãªtre spÃ©cifiÃ© en dernier (Â« [a-z-] Â» par exemple), et le caractÃ¨re Â« ^ Â» doit Ãªtre Ã©chappÃ© (Â« [abc\^] Â»).
* Â« '''[^abc]''' Â» : ReconnaÃ®t un caractÃ¨re en dehors de l'ensemble spÃ©cifiÃ© (ici, tout sauf les lettres a, b et c). On peut Ã©galement spÃ©cifier des suites.
* Â« '''a|b|c''' Â» : Ou logique, reconnaÃ®t le motif a, b ou c. Il faut souvent utiliser de parenthÃ¨ses pour bien dÃ©limiter les expressions : Â« Il faut (beau|froid) aujourd'hui Â».
* Â« '''^''' Â» et Â« '''$''' Â» : Notent, respectivement, le dÃ©but et la fin de la chaÃ®ne (voir souvent le dÃ©but et la fin d'une ligne).

On peut ensuite spÃ©cifier le nombre de rÃ©pÃ©tition d'une expression :
* Â« '''{n}''' Â» : Exactement n
* Â« '''{n,}''' Â» : Au moins n
* Â« '''{n,p}''' Â» : Entre n et p
* Â« '''?''' Â» : ZÃ©ro ou un
* Â« '''*''' Â» : ZÃ©ro ou plusieurs
* Â« '''+''' Â» : Au moins un

== Syntaxe spÃ©cifique Ã un programme ==

{| border="1"
|-
! Expression !! [[sed]] !! [[vi]] !! grep !! egrep !! [[Configuration d'Emacs|emacs]]
|-
| Au moins un || \+ || \+ || \+ || + || +
|-
| ZÃ©ro ou un || \? || \? || \? || ? || ?
|-
| ZÃ©ro ou plusieurs || * || * || * || * || *
|-
| DÃ©but / fin de ligne || ^ $ || ^ $ || ^ $ || ^ $ || ^ $
|-
| Ensemble || [...] || [...] || [...] || [...] || [...]
|-
| Ou logique || <nowiki>a \| b \| c</nowiki> || <nowiki>a \| b \| c</nowiki> || <nowiki>a \| b\| c</nowiki> || <nowiki>a | b | c</nowiki> || <nowiki>a \| b \| c</nowiki>
|-
| Entre une et trois rÃ©pÃ©titions || \{1,3\} || \{1,3\} || \{1,3\} || {1,3} || {1,3}
|-
| Capturer une expression || $...$ || $...$ || $...$ || (...) || $...$
|}

== "Optimiser" ses expressions rationnelles (ou Ã©viter les piÃ¨ges) ==

'''''Voir mon projet [http://hachoir.org/wiki/hachoir-regex hachoir-regex] qui vise Ã optimiser les regex et gÃ¨re bien plus de cas que ce qui est dÃ©crit ci-dessous'''

Certaines expressions peuvent mettre Ã genoux n'importe quel moteur d'expressions rationnelles. Exemple :
^(x+|y)*$

Cette expression reconnait, par exemple, les chaÃ®nes suivantes : "", "x", "y" ou encore "xxyxx". Le problÃ¨me est le cas "x+*", ce qui peut donner "x+++".

En regardant l'expresion de plus prÃ¨s, on voit qu'en fait le + de x+ est optinnel. Ce qui donne finalement :
^(x|y)*$

De mÃªme, l'expression suivante donne le cas "y*+" plutÃ´t confus :
^(x|y*)+$

Il vaut mieux remplacer l'expression par (euh, je ne suis pas certain de mon coup) :
^(x(x|y)*)?$

Mais attention car le contenu des parenthÃ¨ses n'est pas identique Ã chaque fois !

== Liens externes ==

* [http://java.sun.com/j2se/1.4.2/docs/api/java/util/regex/Pattern.html Documentation sur les regex dans Java 1.4]

Expressions rationnelles - Historique des versions

Haypo: /* "Optimiser" ses expressions rationnelles (ou éviter les pièges) */