Remplacement nombres dans string Fermé

Question

Bonsoir,

Je dois parser une string qui peut avoir un contenu du type : 

informazione
 3 twitter.com/signupcf53.html
 2 play.google.com/store/apps/detailsc2bc.html
 1 arcmc.hypotheses.org/category/veille-scientifique/portails.html
 1 www.addthis.com/bookmarkda7d.html
 =7
 (0)


Il faut supprimer les nombres suivis d'un espace, les trucs du type =nombre avec nombre entre 0 et 1000000 exclut, même chose pour (nombre)

mais il faut absolument que les nombres dans les urls ne soient pas supprimés

Par exemple, dans twitter.com/signupcf53.html 53 doit rester

J'ai essayé ça : 

           infos[1] = infos[1].replaceAll("[0-9] ","");
           
           infos[1] = infos[1].replaceAll("=[0-9]","");

           infos[1] = infos[1].replaceAll("([0-9])","");

           infos[1] = infos[1].replaceAll(" ","");
           
           infos[1] = infos[1].replaceAll("=","");

           infos[1] = infos[1].replaceAll("$","");

           infos[1] = infos[1].replaceAll("$","");

mais ça ne marche pas

Merci d'avance, j'ai vraiment besoin que ça marche...

Utilisateur anonyme · Answer

Bonjour

je ne sais pas comment s'implémente une Regex en Java, mais ça peut répondre à ton besoin.

Un exemple ici
http://regexstorm.net/tester?p=%28%3f%3a%5cd%2b+%29%7c%28%3f%3a%28%3f%3c%3d%5c%28%29%5cd%2b%28%3f%3d%5c%29%29%29&i=3+twitter.com%2fsignupcf53.html+%0d%0a2+play.google.com%2fstore%2fapps%2fdetailsc2bc.html+%0d%0a1+arcmc.hypotheses.org%2fcategory%2fveille-scientifique%2fportails.html+%0d%0a1+www.addthis.com%2fbookmarkda7d.html+%0d%0a%3d7+%0d%0a%280%29+&r=remplacement

Cet exemple ne tient pas compte de la contrainte entre 0 et 1000000 exclut mais ça peut se gérer.
Click sur l'onglet "Context" pour voir le résultat final

Utilisateur anonyme · Answer

Alors non, je ne vais pas t'expliquer toutes les syntaxes possibles, y'a des tutos tout faits pour ça
Celui là est orienté vers php, vers il me semble bien introduire la chose
https://www.lucaswillems.com/fr/articles/25/tutoriel-pour-maitriser-les-expressions-regulieres
Celui-ci concerne l'implémentation dans Java
https://cyberzoide.developpez.com/tutoriels/java/regex/

Sur RegexStorm (et beaucoup d'autres sites de tests en ligne), tu as des exemples  (page Référence)
Pour les parenthèses et les = je pensais qu'il fallait les exclure

http://regexstorm.net/tester?p=%28%3f%3a%28%3f%3c%3d%5b%5e%5cd%5d%7c%5e%29%3d%3f%28%5b1-9%5d%7c%5cd%7b2%2c6%7d%29+%29%7c%28%5c%28%28%5b1-9%5d%7c%5cd%7b2%2c6%7d%29%5c%29%29&i=3+twitter.com%2fsignupcf53.html+%0d%0a2+play.google.com%2fstore%2fapps%2fdetailsc2bc.html+%0d%0a1+arcmc.hypotheses.org%2fcategory%2fveille-scientifique%2fportails.html+%0d%0a1+www.addthis.com%2fbookmarkda7d.html+%0d%0a%3d7+%0d%0a%280%29+%0d%0a%283%29%0d%0a123456+1000000+100000+999999+%28999999%29&r=remplacement
Quand j'étais petit, la mer Morte n'était que malade.
George Burns

Utilisateur anonyme · Answer

Poste un texte représentatif.

KX · Answer

Bonjour,

Il n'y a pas vraiment de spécificités d'expressions régulières en Java ce sont les même règles que partout ailleurs (avec peut-être quelques ajouts).

La documentation est sur la classe Pattern (c'est indiqué dans la javadoc de la méthode replaceAll que tu as utilisé)

https://docs.oracle.com/javase/9/docs/api/java/util/regex/Pattern.html

Cependant, est-ce bien utile de faire une expression régulière ici ?
Tu as un nombre, un espace, et tu prends tout le reste, donc un indexOf pour trouver l'espace, un substring pour récupérer la fin et c'est bon...

String line = "42 blabla17toto";
int n = line.indexOf(" ");
line = line.substring(n+1); // blabla17toto

KX · Answer

Pour le challenge, je viens de tester les deux codes (le mien et celui de Whismeril), les deux donnent le même fichier texte en sortie (à un espace près... car "=1726 " est remplacé chez moi par "" contre " " pour Whismeril)

Entrée :

1 www.umrespace.org/credits.htm 
1 www.unicaen.fr/recherche/mrsh/forge.html 
1 www.univ-angers.fr/fr/recherche/actualites/les-territoires-du-cinema/janvier.html 
1 www.viamichelin.fr/tpl/fr/divers/htm/legalnotice.htm 
1 www.zdnet.fr/actualites/skype-pret-a-changer-pour-gagner-sa-place-dans-les-entreprises-39361540.htm 
1 www2.cnrs.fr/presse/communique/3705.htm 
1 www2.cnrs.fr/presse/communique/3709.htm 
1 www2.cnrs.fr/presse/communique/3711.htm 
1 www2.cnrs.fr/presse/communique/3713.htm 
1 www2.cnrs.fr/presse/communique/3715.htm 
1 www2.cnrs.fr/presse/communique/3717.htm 
1 www2.cnrs.fr/presse/communique/3719.htm 
1 www2.cnrs.fr/presse/communique/3723.htm 
=1726 
(0)

Sortie :

www.umrespace.org/credits.htm 
www.unicaen.fr/recherche/mrsh/forge.html 
www.univ-angers.fr/fr/recherche/actualites/les-territoires-du-cinema/janvier.html 
www.viamichelin.fr/tpl/fr/divers/htm/legalnotice.htm 
www.zdnet.fr/actualites/skype-pret-a-changer-pour-gagner-sa-place-dans-les-entreprises-39361540.htm 
www2.cnrs.fr/presse/communique/3705.htm 
www2.cnrs.fr/presse/communique/3709.htm 
www2.cnrs.fr/presse/communique/3711.htm 
www2.cnrs.fr/presse/communique/3713.htm 
www2.cnrs.fr/presse/communique/3715.htm 
www2.cnrs.fr/presse/communique/3717.htm 
www2.cnrs.fr/presse/communique/3719.htm 
www2.cnrs.fr/presse/communique/3723.htm

J'ai joué les deux codes sur un fichier texte de 500'000 lignes, et même si les temps sont assez aléatoires (accès I/O...), on peut quand même en déduire que les temps sont environ 5 fois plus long avec une regex (dans ce cas précis).

import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.function.Function;

public class Test {

    public static long test(String src, String dst, Function<String, String> mapper) throws IOException {
        long n = System.nanoTime();
        Files.write(Paths.get(dst), (Iterable<String>) Files.lines(Paths.get(src)).map(mapper)::iterator);
        return System.nanoTime() - n;
    }

    public static String testWhismeril(String line) {
        return line.replaceAll("(=([1-9]|\\d{2,6})\\b)|(\\b([1-9]|\\d{2,6}) )|(\\(\\d+\\))", "");
    }

    public static String testKx(String line) {
        int n = line.indexOf(" ");
        if (n > 0) {
            String header = line.substring(0, n);
            try {
                int headerPart = Integer.parseInt(header);
                if (headerPart > 0 && headerPart < 1000000) {
                    return line.substring(n + 1);
                }
            } catch (RuntimeException e) {
                // header n'est pas un int
            }
        }
        return "";
    }

    public static void main(String[] args) throws IOException {
        System.out.println(test("C:/test.txt", "C:/testKx.txt", Test::testKx)); // 191.178337 ms
        System.out.println(test("C:/test.txt", "C:/testWhismeril.txt", Test::testWhismeril)); // 665.538444 ms
        System.out.println(test("C:/test.txt", "C:/testKx.txt", Test::testKx)); // 57.867188 ms
        System.out.println(test("C:/test.txt", "C:/testWhismeril.txt", Test::testWhismeril)); // 268.716917 ms
        System.out.println(test("C:/test.txt", "C:/testKx.txt", Test::testKx)); // 35.440601 ms
        System.out.println(test("C:/test.txt", "C:/testWhismeril.txt", Test::testWhismeril)); // 252.767325 ms
    }
}

dd · Answer

Merci pour votre aide, la fonction semble marcher maintenant.

Mais j'ai un autre problème : J'ai une autre fonction qui se charge de scanner un fichier composé de liens de pages et de liens vers la page qui mène à cette page (origine).

Normalement je devrais avoir 27394 pages dans la HashMap après scan, mais j'en ai que 27387.

J'ai essayé de faire des prints un peu partout pour voir ce qui se passe, mais ça semble pourtant bien fonctionner, mais le scan doit manquer des pages. J'ai passé 3 après-midi sur cette fonction (readWebPages(), de la classe SearchEngine) sans arriver à trouver le problème et j'aimerai bien le trouver.

Je mets les fichiers du projet dans un lien lien supprimé par la modération

Le code (pour éviter les robots trop curieux) 88cPvRc4 

Les fichiers txt scannés sont dans le répertoire data du projet...

Remplacement nombres dans string

6 réponses

Discussions similaires