Comment copier des chaînes de caractère différente

Salut Dal,

Merci !

Pour l'instant avec mon programme, lorsque je rencontre une chaîne de 6 caractères dans mon fichier 1, je copie toute la ligne dans un fichier 2 (donc des informations inutiles).

Or j'aimerai seulement copier cette chaîne de caractère (le nom des isotopes) et faire ça à chaque fois que mon programme en trouve dans mon fichier 1 :
exemple :

lorsque j'ai une ligne comme ça dans le fichier 1 :
eg CU_72 1.0045782E9
eg CU_73 1.0293612E9

J'aimerai obtenir dans un fichier 2 :

CU 72
CU 73


Sais-tu comment je pourrais faire ? Si tu as un exemple je suis preneur !
Merci d'avance,
Am

Il y a 5 caractères dans "CU_72" (sauf si on compte l'espace avant ou après) et un underscore qui ne fait pas partie des caractères que tu as mentionnés au début.

Bref, si on ajoute l'underscore aux caractères permis et que l'on reste sur 6 caractères, tu peux utiliser la regexp pour extraire ce qui t'intéresse :

#!/usr/bin/perl

use strict;
use warnings;

my $st = "CU_72 1.0045782E9";

if ($st =~ /([A-Z0-9 _]{6})/) {
    my $match = $1;
    print "matched: [$match]\n";
    # remplacer les underscores
    # par un espace 
    $match =~ s/_/ /g;
    print "converted to: [$match]\n";
} else {
    print "wrong format\n";
}

qui donne à l'exécution :

matched: [CU_72 ]
converted to: [CU 72 ]

La variable $1 permet d'accéder au contenu capturé correspondant aux parenthèses de la regexp (si la regexp était composée de plusieurs expressions entre parenthèses, les autres captures seraient accessibles avec $2, $3, etc.).

Si tes données commencent systématiquement en début de ligne, tu peux affiner la regexp pour qu'elle ne matche qu'en début de ligne :

if ($st =~ /^([A-Z0-9 _]{6})/)

Dal

Merci,
Oui en effet, il y a 6 caractères dans [ 72 ] car je compte l'espace à la fin.
______________________________________________________________________________________
Mon code est pour l'instant comme ça :

#!/usr/bin/perl
# =============================================================================
# Imports
# =============================================================================
use strict;
use warnings;
use autodie;


open (FICHIER, ">fichier.txt") || die ("Vous ne pouvez pas créer le fichier \"fichier.txt\"");
open(F,"f1") || die ("Erreur d'ouverture du fichier f1") ;
print FICHIER "Darwin \n";
my $mot = "";
while (<F>) {
$_ =~ s/\n//g;
if ($_ =~ / \w\w\w\w\w(\w| )/){
$_ =~ s/(_)+(?=[A-Za-z])//g;
$_ =~ s/(___)+(?=[0-9])/ /g;
$_ =~ s/(__)+(?=[0-9])/ /g;
$_ =~ s/(_)+(?=[0-9])/ /g;
$mot = $_;
print FICHIER $mot;
print FICHIER "\n";
}
}
close (F);
print FICHIER "Cesar \n";
open(F,"f2") || die ("Erreur d'ouverture du fichier f2") ;
while (<F>) {
$_ =~ s/\n//g;
if ($_ =~ / \w(\w| )(\w| )(\w| )\w(\w| )/){
$_ =~ s/(_)+(?=[A-Za-z])//g;
$_ =~ s/(___)+(?=[0-9])/ /g;
$_ =~ s/(__)+(?=[0-9])/ /g;
$_ =~ s/(_)+(?=[0-9])/ /g;
$mot = $_;
my @tab = ();
print FICHIER $_;
print FICHIER "\n";
}
}
close (F);
close (FICHIER);
open (FICHIER, "fichier.txt") || die ("Vous ne pouvez pas créer le fichier \"fichier.txt\"");
open (FIC, ">iso.txt") || die ("Vous ne pouvez pas créer le fichier \"fichier.txt\"");
while (<FICHIER>) {
if ($_ =~ /([A-Z0-9 ]{6})/){
my $match = $1;
print FIC "$match\n";
}
}
close (FICHIER);
close (FIC);
______________________________________________________________________________________


En fait je lis deux fichiers résultats dont le formalisme d'écriture est différent. Donc d'abord je les mets dans le même formalisme (en remplaçant les "_" par des espaces etc) puis j'aimerai copier tout les noms d'isotopes que je rencontre dans ces fichiers résultat dans un troisième fichier.
Or pour l'instant je n'arrives qu'à copier des lignes. Donc au final j'ai testé de créer un quatrième fichier dans lequel (grâce à ce que tu m'as montré précédemment) je récupère les chaines de 6 caractères composés de d'espace, lettres et chiffres.
Jusque là les 2 problèmes qu'il me reste sont :
-les fichiers résultats ne contiennent pas que des noms d'isotopes donc j'ai parfois des mots (de 6 caractères) qui sont copiés
-si j'ai plusieurs noms d'isotope sur une même ligne, seul le premier est copié.


Voici un extrait des fichiers que j'utilise :

Fichier f1 :

LISTE ORDONNEE DES ISOTOPES :
H 3 C 14 TH233 U239 NP236F NP236M AM242M CM243
BK246 BK250 CF251 CF253 TL207M FR224 CF246 CU 71

_H__3 1.0392E+13 0.0000E+00 1.0392E+13
_C_14 2.6451E+08 0.0000E+00 2.6451E+08

Fichier f2 :

--------------------------
| ISOTOPE | INITIALE |
--------------------------
| H 1 | 2.033043e+23 |
| H 2 | 3.050022e+19 |
| B 10 | 4.401455e+21 |
| B 11 | 1.771641e+22 |

Le script me donne pour l'instant :

Fichier "fichier.txt" :

LISTE ORDONNEE DES ISOTOPES :
H 3 C 14 TH233 U239 NP236F NP236M AM242M CM243
BK246 BK250 CF251 CF253 TL207M FR224 CF246 CU 71
H 3 1.0392E+13 0.0000E+00 1.0392E+13
C 14 2.6451E+08 0.0000E+00 2.6451E+08
eG CU_71 3.4182E+11 0.0000E+00 3.4182E+11
| H 1 | 2.033043e+23 |
| H 2 | 3.050022e+19 |
| B 10 | 4.401455e+21 |
| B 11 | 1.771641e+22 |

Fichier "iso.txt" :

LIST
H 3
BK246
H
C
G CU
H 1
H 2
B 10
B 11

Et moi je voudrais arriver à :
H 3
C 14
TH233
U239
NP236F
NP236M
AM242M
CM243
BK246
BK250
CF251
CF253
TL207M
FR224
CF246
CU 71
H 3
C 14
CU
H 1
H 2
B 10
B 11


J'espère que je suis clair ...

Merci d'avance

Donc pour tes données de départ, tu as :

Fichier f1 :

  LISTE ORDONNEE DES ISOTOPES : 
 H  3     C 14    TH233     U239    NP236F   NP236M   AM242M   CM243   
BK246    BK250    CF251    CF253    TL207M   FR224    CF246    CU 71 

    _H__3           1.0392E+13    0.0000E+00    1.0392E+13
    _C_14           2.6451E+08    0.0000E+00    2.6451E+08

Fichier f2 :

--------------------------
| ISOTOPE |     INITIALE |
--------------------------
| H   1   | 2.033043e+23 | 
| H   2   | 3.050022e+19 | 
| B  10   | 4.401455e+21 | 
| B  11   | 1.771641e+22 | 

et ce que tu veux obtenir :

H  3     
C 14    
TH233    
U239    
NP236F   
NP236M   
AM242M   
CM243   
BK246    
BK250    
CF251    
CF253    
TL207M   
FR224    
CF246    
CU 71 
H  3
C 14
CU 
H   1
H   2
B  10
B  11 

C'est bien ces formats ?

Dans le fichier 1, ce sont des espaces ou des tabulations qui séparent les données ?

Lorsque tu postes du code, ou du texte formaté avec des espaces, utilise la balise "code" du forum pour que cela s'affiche correctement, sinon le HTML écrase les espaces (pour récupérer ce format, j'ai dû afficher le code source de la page web du forum).

pour retirer les dupliqués, le mieux est de mettre les données capturées dans un tableau Perl pour les traiter - il y cependant différentes possibilités - la préservation de l'ordre d'apparition est-il important ?

Dal

pff, la balise code a aussi écrasé certains espaces :-(

tel que je vois le contenu de f1, après la ligne "LISTE ORDONNEE DES ISOTOPES :", les items à capturer sont séparés par 3 caractères espace, y compris le dernier de chaque ligne.

Si tel est le cas, le code suivant capture le contenu des fichiers f1 et f2, met les items en tant que clefs d'un hash pour s'assurer qu'ils sont uniques, et affiche les clefs en ordre alphabétique

#!/usr/bin/perl

use strict;
use warnings;

my %hash;
my $info;

# process f1 file
my $file = 'f1';
open $info, $file or die "Could not open $file: $!";
while (my $line = <$info>) {
    # we are interested only in lines after the 1st
    if ($. > 1) {
        # we process lines until we find an empty line
        # or containing only blank characters
        if ($line =~ /^\s+$/) {
            last;
        }
        print "processing: $line";
        for my $item ($line =~ /([A-Z0-9 ]{6})\s{3}/g) {
            $hash{$item} = "1";
        }
    }
}
close $info;

# process f2 file
$file = 'f2';
open $info, $file or die "Could not open $file: $!";
while (my $line = <$info>) {
    # we are interested only in lines after the 3rd
    if ($. > 3) {
        print "processing: $line";
        if ($line =~ /\|\s([A-Z0-9 ]{6}).*/) {
            $hash{$1} = "1";
        }
    }
}

print "hash contains the following keys in alphabetical order:\n";
foreach my $key (sort keys %hash) {
    print "$key\n";
}

donne :

$ ./extract.pl 
processing:  H  3     C 14    TH233     U239    NP236F   NP236M   AM242M   CM243   
processing: BK246    BK250    CF251    CF253    TL207M   FR224    CF246    CU 71   
processing: | H   1   | 2.033043e+23 | 
processing: | H   2   | 3.050022e+19 | 
processing: | B  10   | 4.401455e+21 | 
processing: | B  11   | 1.771641e+22 | 
hash contains the following keys in alphabetical order:
 C 14 
 H  3 
 U239 
AM242M
B  10 
B  11 
BK246 
BK250 
CF246 
CF251 
CF253 
CM243 
CU 71 
FR224 
H   1 
H   2 
NP236F
NP236M
TH233 
TL207M
$

Si tu as des questions sur le code, n'hésites pas à les poser.

Dal