Expressions régulières

<div class="Standard" style="text-align: justify;">Une expression régulière est une suite de caractères ordinaires et de méta-caractères, utilisée en tant que critère de sélection.</div><div class="Standard" style="text-align: justify;">Un caractère ordinaire correspond uniquement à lui-même alors qu'un méta-caractère possède une signification spéciale.</div><div class="Standard" style="font-weight: bold; text-align: justify;"><br />Le méta-caractère « . »</div><div class="Standard" style="text-align: justify;">Comme premier exemple de méta-caractère, considérons le point « . ». Celui-ci correspond à n'importe quel caractère (sauf le caractère de fin de ligne).</div><div class="Standard" style="text-align: justify;">Illustrons notre propos à l'aide d'un petit fichier col que nous créons:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace; text-align: left;">$ echo -e 'calepin\nclavier\ncolis\n1 col\ncol blanc\nc\047est cool.\nalcool\ncoool!' | tee col<br />calepin<br />clavier<br />colis<br />1 col<br />col blanc<br />c'est cool.<br />alcool<br />coool!</div><div class="Standard" style="text-align: left;">L'utilisation de l'option -e avec la commande echo fait que \n est interprété en tant que caractère « fin de ligne » et \047 en tant qu'apostrophe. Le flux généré par echo n'est pas envoyé directement vers la sortie standard (l'écran), mais il transite d'abord par le programme tee qui en fait une copie dirigée vers col. On peut ainsi visionner directement le contenu du fichier nouvellement créé.</div><div class="Standard">Nous allons maintenant utiliser grep pour afficher les éléments (lignes) du fichier qui contiennent une sélection correspondant à l'expression régulière indiquée:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'c.l.' col<br />calepin<br />colis<br />col blanc</div><div class="Standard" style="text-align: justify;">Le premier « . » de l'expression régulière « c.l. » implique l'existence d'un caractère entre le c et le l, ce qui élimine « clavier ». Le deuxième « . » impose que le l doit être suivi par un caractère, ce qui élimine «1 col ».</div><div class="Standard" style="font-weight: bold; text-align: justify;"><br />Le méta-caractère « * » </div><div class="Standard" style="text-align: justify;">Il correspond à un ensemble de 0 à n occurrences du caractère précédant:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'co*l' col<br />clavier<br />colis<br />1 col<br />col blanc<br />c'est cool.<br />alcool<br />coool!</div><div class="Standard" style="text-align: justify;">clavier est conservé (0 occurrence de o entre c et l).</div><div class="Standard" style="font-weight: bold; text-align: justify;"><br />Le méta-caractère « + »</div><div class="Standard" style="text-align: justify;">Il correspond à un ensemble de 1 à n occurrences du caractère précédant, ce qui devrait cette fois éliminer « clavier »:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'co+l' col</div><div class="Standard" style="text-align: justify;">Aucun retour! Explication: « + » est par défaut un caractère ordinaire. Mais il existe un opérateur, l'opérateur d'échappement, qui appliqué à « + » lui permet d'échapper à sa (misérable) condition de caractère ordinaire, et le transforme en méta-caractère. Ce caractère est représenté par « \ » (backslash). </div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'co\+l' col<br />colis<br />1 col<br />col blanc<br />c'est cool.<br />alcool<br />coool!</div><div class="Standard" style="font-weight: normal; text-align: justify;">Par rapport à l'output précédant, clavier est bien éliminé.</div><div class="Standard" style="font-weight: bold; text-align: justify;"><br />Le méta-caractère « ? »</div><div class="Standard" style="text-align: justify;">Celui-ci correspond à au plus 1 occurrence du caractère précédant.</div><div class="Standard" style="text-align: justify;">Attention « ? » doit lui être aussi sublimé en méta-caractère par la magie de l'opérateur d'échappement:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'co\?l' col<br />clavier<br />colis<br />1 col<br />col blanc</div><div class="Standard" style="text-align: justify;">Le caractère précédant un méta-caractère peut être lui-même un méta-caractère:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'c.\?l' col<br />calepin<br />clavier<br />colis<br />1 col<br />col blanc</div><div class="Standard" style="font-weight: bold; text-align: justify;"><br />Le méta-caractère correspondant à l'opérateur OR</div><div class="Standard" style="font-weight: normal; text-align: justify;">Il est obtenu par <span style="font-style: italic;">sublimation </span><span style="font-style: normal;">de « | »:</span></div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace; font-style: normal;">$ grep  'bla\|cla' col<br />clavier<br />col blanc</div><div class="Standard" style="font-weight: bold; text-align: justify;"><br />Les méta-caractères accolades</div><div class="Standard" style="text-align: justify;">Il servent à donner des précisions sur le nombre d'occurrences désirées du caractère précédant. Attention: ils ne sont pas reconnus d'emblée comme méta-caractère (à moi l'opérateur d'échappement). Voici quelques exemples d'utilisation. On désire:</div><div class="Standard" style="text-align: justify;">exactement 3 o:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'co\{3\}l' col<br />coool!</div><div class="Standard">entre 1 et 2 o:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'co\{1,2\}l' col<br />colis<br />1 col<br />col blanc<br />c'est cool.<br />alcool</div><div class="Standard">au minimum 2 o:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'co\{2,\}l' col<br />c'est cool.<br />alcool<br />coool!</div><div class="Standard">au maximum 2 o:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'co\{,2\}l' col<br />grep: décompte de répétition mal formé</div><div class="Standard">Un bug ? En tout cas avec sed utilisé en tant qu'émulateur de grep, ça fonctionne:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ sed -n '/co\{,2\}l/p' col<br />clavier<br />colis<br />1 col<br />col blanc<br />c'est cool.<br />alcool</div><div class="Standard" style="font-weight: normal; text-align: justify;">Avec grep, il faut mettre un 0 devant la virgule.</div><div class="Standard" style="font-weight: bold; text-align: justify;"><br />Les classes de caractères</div><div class="Standard" style="font-weight: normal; text-align: justify;">Une classe de caractères est définie à l'aide d'une liste entre crochets reprenant tous les caractères à inclure. Cette liste peut elle même comprendre une plage de caractères: deux caractères séparés par un tiret. </div><div class="Standard" style="font-weight: normal; text-align: justify;">Exemples:</div><div class="Standard" style="font-weight: normal; text-align: justify;">[0123456789] ou [0-9]: tous les chiffres</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep '[0-9]' col<br />1 col</div><div class="Standard" style="font-weight: normal; text-align: justify;">[prv]: les lettres p, r, v</div><div class="Standard" style="font-weight: normal; text-align: justify;">[a-z]: toutes les lettres minuscules</div><div class="Standard" style="font-weight: normal; text-align: justify;">[a-zA-Z]: toutes les lettres minuscules et majuscules.</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep '[a-zA-Z]\{4\}n' col<br />ca<span style="font-weight: normal;">lepin</span></div><div class="Standard">La commande sélectionne des chaînes comprenant un « n » précédé de 4 lettres. « col blanc » n'est pas retenu car l'espace compris entre « col » et « blanc » n'est pas une lettre.</div><div class="Standard">Si le premier caractère qui suit le crochet d'ouverture est un « ^ », la classe ainsi définie comprend tous les caractères et toutes les plages de caractères qui ne sont pas repris dans liste.</div><div class="Standard">Exemples:</div><div class="Standard">[^0-9]: pas les chiffres</div><div class="Standard">[^a-z]: pas les lettres minuscules.</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep –-color '[^aco]l' col<br />col <span style="color: red; font-weight: bold;">bl</span>anc</div><div class="Standard">On a sélectionné les chaînes contenant un « l » qui n'est précédé ni d'un « a », ni d'un « c » et ni d'un « o ». L'option –-color permet la mise en évidence de la sélection correspondant à l'expression régulière: « ol » n'est pas sélectionné mais bien « bl ».</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep –color 'l[^a-z]' col<br />co<span style="background-color: #d9ead3; color: red; font-weight: bold;">l </span>blanc<br />c'est coo<span style="color: red; font-weight: bold;"><span style="background-color: #d9ead3;">l.</span></span><br />cooo<span style="background-color: #d9ead3; color: red; font-weight: bold;">l!</span></div><div class="Standard" style="font-weight: normal; text-align: justify;">On retient ici les éléments du fichier col qui contiennent un « l » suivi d'un caractère qui n'est pas une lettre minuscule<span style="font-style: normal;">. «1 col » (le 4</span><span style="font-size: 58%; font-style: normal; vertical-align: super;">ième</span><span style="font-style: normal;"> élément qui vient après « colis ») n'est pas retenu car il n'est suivi par rien. Nous avons surligné la sélection en vert pâle pour montrer que l'espace entre col et blanc en fait partie.</span></div><div class="Standard" style="font-weight: normal; text-align: justify;"><br /><span style="font-style: normal;"><b>Les classes de caractères prédéfinies</b> </span></div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">On peut trouver à l'intérieur des crochets de définition d'une classe, des classes de caractères prédéfinies. Leur nom est explicite:</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">[:digit:], [:alpha:], [:alnum:], [:space:],[:punct], [:cntrl:], [:lower:], [:upper] etc</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">Exemple:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace; font-style: normal;">$ grep '[[:punct:]]' col<br />c'est cool.<br />Coool!</div><div class="Standard">Attention, il y a deux paires de crochets:</div><div class="Standard">les crochets qui servent à définir une classe de caractère (en rouge ci-dessous)</div><div class="Standard">les crochets qui font partie du nom d'une classe prédéfinie (en vert ci-dessous)</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace; font-style: normal;">$ grep '<span style="color: red; font-weight: bold;">[</span><span style="color: #00ae00; font-weight: bold;">[:</span>digit<span style="color: #00ae00; font-weight: bold;">:]</span>p.<span style="color: red; font-weight: bold;">]</span>' col<br />calepin<br />1 col<br />c'est cool.</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">Donc ici, on a recherché les chaînes avec un chiffre, un « p », ou un point.</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">Tiens, le point n'est pas un méta-caractère qui représente n'importe quel caractère?</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">Non, car dans une classe de caractères, il n'y a pas de méta-caractère.</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;"><br /><b>La classe [:space:]</b> </div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">Intéressons-nous à la classe [:space:]. Il s'agit d'une classe de caractère qui comprend non seulement les espaces, mais aussi les caractères de tabulation et les retours chariot:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'col[[:space:]]' col<br />col blanc</div><div class="Standard">Fournissons à grep un fichier col adapté à windows, dont les lignes contiennent un caractère de contrôle \r (retour chariot) précédant le caractère \n (fin de ligne). Comme \r appartient à la classe [:space:], col de « 1 col » est maintenant lui aussi suivi d'un caractère appartenant à cette classe:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ sed 's/$/\r/' col | grep 'col[[:space:]]'<br />1 col<br />col blanc</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">(La transformation par sed d'un fichier unix en fichier dos est expliquée dans un autre billet.)</div><div class="Standard">Considérons maintenant l'output suivant:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ echo -e 'abc\t1\ndef     2'<br />abc     1<br />def     2</div><div class="Standard">(\t est interprété en tant que caractère de contrôle tabulation.)</div><div class="Standard">Filtrons maintenant cet output en imposant comme critère de sélection: une lettre suivie d'un <span style="font-style: italic;">espace</span><span style="font-style: normal;"> (en fait un caractère de la classe [:space:]) et un chiffre:</span></div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace; font-style: normal;">$ echo -e 'abc\t1\ndef     2' | grep --color '[a-z][[:space:]][0-9]'<br /><span style="font-weight: normal;">ab</span><span style="color: red; font-weight: bold;">c     1</span></div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">La deuxième ligne est éliminée car entre la lettre f et le chiffre 2, il y a plusieurs espaces. Par contre le \t est bien considéré comme un seul espace.</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;"><br /><b>La classe [:cntrl]</b> </div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">Considérons la classe [:cntrl:], classe des caractères de contrôle. La question qui se pose est:  le caractère « fin de ligne » (\n) en fait-il partie?</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">Faisons un test.</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ echo -e 'abc\t1\ndef    2' | grep '[[:cntrl:]]1' <br />abc     1</div><div class="Standard">Le caractère de contrôle avant le 1 (\t) est bien détecté, mais pas le caractère fin de ligne (\n) qui suit le 1:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ echo -e 'abc\t1\ndef    2' | grep '1[[:cntrl:]]'</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">Concluant? Non, car grep (comme sed et awk) enlève le caractère \n à la lecture de chaque ligne et le remet lors du renvoi de la ligne vers la sortie standard.</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">On doit procéder autrement pour montrer que ce caractère de contrôle « fin de ligne » appartient bien à la classe [:cntrl:]. Pour ce faire nous allons utiliser sed:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace; text-align: left;">$ sed -n '/cl/<span style="color: red; font-weight: bold;">{</span>N;<span style="color: #00ae00; font-weight: bold;">s/[[:cntrl:]]//</span>;p<span style="color: red; font-weight: bold;">}</span>' col<br />claviercolis </div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">Lorsqu'une ligne contenant « cl » est rencontrée, les actions suivantes (entre les accolades et séparées par des point-virgules) sont effectuées à l'intérieur de la commande sed:</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">N ajoute le caractère \n puis la ligne « colis » à la ligne « clavier » qui vient d'être lue</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">s remplace le premier caractère de contrôle rencontré par rien, donc le supprime</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">p imprime le tout.</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">« clavier » et « colis » sont maintenant collés: cela montre que \n appartient à [:cntrl:].</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">D'ailleurs si on enlève l'action s le caractère fin de ligne qui sépare « clavier » et « colis » est toujours présent:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ sed -n '/cl/{N;p}' col<br />clavier<br />colis</div><div class="Standard" style="text-align: justify;"><br /><b>Classes de caractères prédéfinies hors crochets</b> </div><div class="Standard" style="text-align: justify;">Certaines classes de caractères prédéfinies sont désignées par un caractère promu au grade de méta-caractère par la grâce de l'opérateur d'échappement:</div><div class="Standard">\W ensemble des caractères qui ne peuvent pas se trouver dans un mot:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace; font-style: normal; font-weight: normal;">$ grep 'co\+l\W' col<br />col blanc<br />c'est cool.<br />coool!</div><div class="Standard">(Les caractères de ponctuation ne font pas partie des mots.)</div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">\w: ensemble des caractères qui peuvent se trouver dans un mot. Attention: \w n'est pas l'équivalent de [a-zA-Z0-9] car on doit y ajouter l'underscore. Mettons cette différence en évidence.</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;"><span style="font-style: normal;">$ echo -e 'colis\ncol_dur' | grep --color 'col\w'</span><br /><span style="color: red; font-style: normal; font-weight: bold;">coli</span><span style="font-style: normal;">s</span> <span style="color: red; font-style: normal; font-weight: bold;"> </span><br /><span style="color: red; font-style: normal; font-weight: bold;">col_</span><span style="font-style: normal;">dur</span> </div><div class="Standard" style="font-style: normal; font-weight: normal; text-align: justify;">Les deux candidats passent le test.</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;"><span style="font-style: normal;">$ echo -e 'colis\ncol_dur' | grep --color 'col[a-zA-Z0-9]'</span><br /><span style="color: red; font-style: normal; font-weight: bold;">coli</span><span style="font-style: normal;">s</span> </div><div class="Standard" style="font-style: normal;">col_dur est recalé!</div><div class="Standard" style="font-style: normal;">Tiens, si on ajoutait recalé au fichier:</div><div class="collage" style="font-style: normal; text-align: left;">$ echo 'recalé' >> col</div><div class="Standard" style="font-weight: normal; text-align: justify;">Aie! Un caractère accentué. Les problèmes vont commencer.</div><div class="Standard" style="font-weight: bold; text-align: justify;"><br />Le problème des caractères accentués.</div><div class="Standard">Vérifions si \w contient les caractères accentués:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep --color 'cal\w' col<br /><span style="color: red; font-weight: bold;">cale</span>pin</div><div class="Standard">Et recalé?</div><div class="Standard">Il doit y avoir un problème avec la localisation puisque \w ne comprend pas les caractères accentués. </div><div class="Standard">Pourtant le terminal est en UTF-8:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ printf '\xc3\xa9\n'<br />é</div><div class="Standard">tout comme le fichier:</div><div class="collage"><span style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep recal col | od -An -tx1</span><br /><span style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;"> 72 65 63 61 6c </span><span style="background-color: #fff2cc; color: red; font-family: "Courier New",Courier,monospace; font-weight: bold;">c3 a9</span><span style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;"> 0a     </span>                     </div><div class="Standard">et locale est en accord:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ locale | grep CTYPE<br />LC_CTYPE="fr_FR.UTF-8"</div><div class="Standard">Essayons avec [a-z]:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep --color 'cal[a-z]' col<br /><span style="color: red; font-weight: bold;">cale</span>pin<br />re<span style="color: red; font-weight: bold;">calé</span></div><div class="Standard">où avec [:alpha:]:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'cal[[:alpha:]]' col<br /><span style="color: red; font-weight: bold;">cale</span>pin<br />re<span style="color: red; font-weight: bold;">calé</span></div><div class="Standard">Là, ça fonctionne. Il semble que ce soit \w qui pose problème.</div><div class="Standard">sed lui donne le bon résultat avec \w:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ sed -n '/cal\w/p' col<br />calepin<br />recalé</div><div class="Standard">mais pas awk:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ awk '/cal\w/' col<br />calepin</div><div class="Standard">Essayons ceci:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ export LC_CTYPE=fr_FR</div><div class="Standard">(alors que nous sommes en UTF-8, mais bon...).</div><div class="Standard">Bingo avec \w, ça fonctionne pour grep et awk:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'cal\w' col<br />calepin<br />recalé<br />$ awk '/cal\w/' col<br />calepin<br />recalé</div><div class="Standard">ce qui est quand même assez étonnant.</div><div class="Standard">Par contre maintenant avec [a-z], ça foire (logiquement) pour grep et sed, mais pas pour awk!</div><div class="Standard">Avec [:alpha:], c'est toujours bon.</div><div class="Standard">Tout ça mérite un petit tableau pour plus de clarté:</div><br /><div class="separator" style="clear: both; text-align: center;"><a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhhWNeoeh5Uc39dK03CpEunmk2fdyCcK1HbocMeZCAnyYohLMhxdKd5Jjm1xRBJ67uFUtrUc8fzVjaGRlphwIjYw6s9seu6RpJpvk31Ma02IEEStkqh3A6NtrVOr18NxCtcjW1G1EjWIDA/s1600/rexexp08.jpeg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhhWNeoeh5Uc39dK03CpEunmk2fdyCcK1HbocMeZCAnyYohLMhxdKd5Jjm1xRBJ67uFUtrUc8fzVjaGRlphwIjYw6s9seu6RpJpvk31Ma02IEEStkqh3A6NtrVOr18NxCtcjW1G1EjWIDA/s320/rexexp08.jpeg" /></a></div><div class="Standard"><br /></div><div class="Standard">KO (sur fond rouge): le caractère accentué (ici le « é ») n'est pas reconnu comme faisant partie de la classe indiquée en tête de colonne.</div><div class="Standard">OK: tout va bien!</div><div class="Standard">Sur fond vert: la valeur de LC_CTYPE normale (héritée de la localisation).</div><div class="Standard">Sur fond orange: valeur de LC_CTYPE ne correspondant à la localisation car on est effectivement en UTF-8.</div><div class="Standard">Notons que ce tableau peut varier d'une distribution à l'autre. Bref, il convient d'être toujours attentif quant on doit traiter avec des caractères accentués.</div><div class="Standard" style="font-weight: bold; text-align: justify;"><br />Les bordures de mot.</div><div class="Standard" style="font-weight: normal; text-align: justify;">Recherchons les « col » qui sont en bordure de mot, plus précisément à la fin d'un mot. N'avons-nous pas déjà la solution avec:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'col\W' col<br /><span style="font-weight: normal;">col blanc</span></div><div class="Standard">Non, car le 4<span style="font-size: 58%; vertical-align: super;">ième</span><span style="font-size: 100%; vertical-align: 0%;"> élément, «1 col », n'est pas retenu. La bonne méthode consiste à utiliser le méta-caractère \b, </span><span style="font-size: 100%; font-style: italic; vertical-align: 0%;">bordure de mot</span><span style="font-size: 100%; font-style: normal; vertical-align: 0%;">:</span></div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'col\b' col<br />1 col<br />col blanc</div><div class="Standard"><span style="font-style: normal;">On peut aussi utiliser le méta-caractère </span> <span style="font-style: italic;">bordure de fin de mot</span> <span style="font-style: normal;"> \>:</span> </div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace; font-style: normal;">$ grep 'col\>' col<br />1 col<br />col blanc</div><div class="Standard" style="font-style: normal;">De même, pour une sélection en début de mot, \W ne convient pas:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace; font-style: normal;">$ grep '\Wco\{2,\}' col<br />c'est cool.</div><div class="Standard" style="font-style: normal;">mais bien \b: </div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace; font-style: normal;">$ grep '\bco\{2,\}' col<br />c'est cool.<br />coool!</div><div class="Standard" style="font-style: normal;">ou le méta-caractère <span style="font-style: italic;">bordure de début de mot</span> \< :</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep '\<co\{2,\}' col=""><br />c'est cool.<br />coool!</co\{2,\}'></div><div class="Standard">(alcool est éliminé car cool n'est pas en début de ce mot).</div><div class="Standard">Précisons comme on pouvait s'y attendre que la signification de \B, est NON bordure de mot:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace; font-style: normal;">$ grep 'col\B' col<br />colis<br />$ grep '\Bco\{2,\}' col<br />alcool</div><div class="Standard" style="font-style: normal;">Les candidats éliminés précédemment sont cette fois retenus.</div><div class="Standard" style="font-style: normal;">Notons que tous ces méta-caractères qui détectent la bordure des mots, souffrent de la même maladie que \w (si elle existe):</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'c.l\>' col<br />1 col<br />col blanc<br />recalé</div><div class="Standard">Comme « é » n'est pas reconnu en tant que caractère constitutif d'un mot, recalé n'est pas un mot, mais bien recal et cal colle à la bordure de ce mot. Donc cal est sélectionné ce qui entraîne l'affichage de la ligne « recalé »</div><div class="Standard" style="font-weight: bold; text-align: justify;"><br />Les méta-caractères d'ancrage ^ et $</div><div class="Standard" style="font-weight: normal; text-align: justify;"> ^ impose un ancrage en début de chaîne.</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep '^.\{2\}a' col<br />clavier</div><div class="Standard">recherche des chaînes avec un « a » en troisième position. En effet, il doit y avoir 2 caractères entre le début de la chaîne et a.</div><div class="Standard">Sans ancrage on obtient ceci:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep -–color '.\{2\}a' col<br /><span style="color: red; font-weight: bold;">cla</span>vier<br />col <span style="color: red; font-weight: bold;">bla</span>nc<br />r<span style="color: red; font-weight: bold;">eca</span>lé</div><div class="Standard">$ impose un ancrage en fin de chaîne.</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep 'a.\{2\}$' col<br />col blanc<br />calé</div><div class="Standard">recherche des chaînes avec un a en antépénultième position.</div><div class="Standard">Sans ancrage:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep -–color 'a.\{2\}' col<br />c<span style="color: red; font-weight: bold;">ale</span>pin<br />cl<span style="color: red; font-weight: bold;">avi</span>er<br />col bl<span style="color: red; font-weight: bold;">anc<br />alc</span>ool<br />rec<span style="color: red; font-weight: bold;">alé</span></div><div class="Standard" style="font-weight: bold;"><br />Les parenthèses de mémorisation.</div><div class="Standard" style="font-weight: normal;"><span style="font-style: normal;">L'élément de la sélection correspondant à la partie de l'expression régulière comprise dans la n</span> <span style="font-size: 58%; font-style: normal; vertical-align: super;">ième</span> <span style="font-size: 100%; font-style: normal; vertical-align: 0%;"> paire de méta-parenthèses est conservé dans /n pour un usage ultérieur.</span> </div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace; text-align: left;"><span style="font-size: 100%; font-style: normal; vertical-align: 0%;">echo 'Pistolets 2</span><span style="background-color: #d9ead3; color: blue; font-size: 100%; font-style: normal; font-weight: bold; vertical-align: 0%;">:</span><span style="background-color: #d9ead3; color: red; font-size: 100%; font-style: normal; font-weight: bold; vertical-align: 0%;">,87x</span><span style="font-size: 100%; font-style: normal; font-weight: normal; vertical-align: 0%;">2</span><span style="font-size: 100%; font-style: normal; vertical-align: 0%;"> = 1,74 euros' | sed  '</span><span style="color: #00ae00; font-size: 100%; font-style: normal; font-weight: bold; vertical-align: 0%;">s/</span><span style="color: blue; font-size: 100%; font-style: normal; font-weight: bold; vertical-align: 0%;">\(</span><span style="font-size: 100%; font-style: normal; vertical-align: 0%;">[^0-9]</span><span style="color: blue; font-size: 100%; font-style: normal; font-weight: bold; vertical-align: 0%;">\)</span><span style="color: red; font-size: 100%; font-style: normal; font-weight: bold; vertical-align: 0%;">\(</span><span style="font-size: 100%; font-style: normal; vertical-align: 0%;">,[0-9]\{2\}[^0-9]</span><span style="color: red; font-size: 100%; font-style: normal; font-weight: bold; vertical-align: 0%;">\)</span><span style="color: #00ae00; font-size: 100%; font-style: normal; font-weight: bold; vertical-align: 0%;">/</span><span style="font-size: 100%; font-style: normal; vertical-align: 0%;">\10\2</span><span style="color: #00ae00; font-size: 100%; font-style: normal; font-weight: bold; vertical-align: 0%;">/</span><span style="font-size: 100%; font-style: normal; vertical-align: 0%;">'<br />Pistolets 2:0,87x2 = 1,74 euros</span> </div><div class="Standard" style="font-size: 16px; font-style: normal; vertical-align: 0%;">La sélection (sur fond vert pâle) est divisée en deux parties de couleurs différentes: la première correspond à l'expression régulière limitée par la paire de méta-parenthèses bleues (un non chiffre), la deuxième à l'expression régulière entourée par les méta‑parenthèses rouges (virgule + 2 chiffres suivi d'un non chiffre). La chaine de remplacement \10\2 est donc constituée de la partie 1 de la sélection + « 0 » + la partie 2.</div><div class="Standard" style="font-size: 16px; font-style: normal; font-weight: bold; vertical-align: 0%;"><br />Les expressions régulières étendues.</div><div class="Standard" style="font-size: 16px; font-style: normal; font-weight: normal; text-align: justify; vertical-align: 0%;">La multiplication des opérateurs d'échappement peut nuire à la lisibilité d'une expression régulière. Dans ce cas, il est préférable d'utiliser une expression régulière étendue. La seule différence avec les expressions régulières de base est que les caractère ?, +, {, } |, (, et ) sont par défaut des méta-caractères. On indique à grep d'utiliser des expressions régulières étendues avec l'option -E. Pour sed, c'est l'option -r:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;"><span style="font-size: 100%; font-style: normal; vertical-align: 0%;">$ echo 'Pistolets 2:,87x2 = 1,74 euros' | sed -r 's/([^0-9])(,[0-9]{2}[^0-9])/\10\2/'<br />Pistolets 2:0,87x2 = 1,74 euros<br />$ grep -E 'bla|cla' col</span><br />clavier<br /><span style="font-size: 100%; font-style: normal; vertical-align: 0%;">col blanc</span></div><div class="Standard" style="font-size: 16px; font-style: normal; font-weight: normal; vertical-align: 0%;">awk lui utilise d'office des expressions régulières étendues:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ awk '/bla|cla/' col<br />clavier<br />col blanc</div><div class="Standard" style="font-size: 16px; font-style: normal; font-weight: bold; vertical-align: 0%;"><br />S'échapper vers l'ordinaire.</div><div class="Standard">De nombreuses personnes rêvent d'échapper à l'ordinaire de leur vie afin de mener un jour une vie de milliardaire. Mais l'inverse existe aussi: de grandes vedettes rêvent d'échapper à la notoriété afin de pouvoir mener (en tout cas pour quelques jours) une petite vie tranquille et ordinaire. L'opérateur d'échappement permet les deux: transformer un caractère ordinaire en méta-caractère, mais il permet aussi à un méta-caractère de (re)devenir un caractère ordinaire:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ grep '\.$' col<br />c'est cool.</div><div class="Standard">(Le « . » est cette fois un caractère ordinaire.)</div><div class="Standard">Le sens dans lequel agit l'opérateur d'échappement peut varier suivant que l'on a affaire à une  expression régulière étendue ou pas:</div><div class="Standard">promotion de « + » au grade (envié) de méta-caractère:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ echo -e 'co+l\ncol' | grep 'co\+l'<br />col</div><div class="Standard">dégradation de « + » qui redevient un caractère ordinaire:</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">$ echo -e 'co+l\ncol' | grep -E 'co\+l'</div><div class="collage" style="background-color: #fff2cc; font-family: "Courier New",Courier,monospace;">co+l</div><div class="Standard" style="font-weight: bold;"><br />Expressions régulières dans les traitements de texte</div><div class="Standard" style="font-weight: normal;">Certains traitement de textes supportent l'emploi d'expressions régulières dans la fonction « Rechercher ». C'est le cas d'openoffice.</div><div class="Standard" style="font-weight: normal;">Il faut d'abord cocher la cas adéquate:</div><div class="Standard" style="font-weight: normal;"><br /></div><div class="separator" style="clear: both; text-align: center;"><a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhCT52-G-EgpNNOMqflt8Tyud9N_P9W0qkeGtqP5A9jfIHkqr_EjBQrV0hJ9qWxsGsqg05rdftwULXskN5ghjt84wCsN-TVIPVnXxj9dSNJeSvM7U8ixKVy387wuevcqI-fXEfvmEbTFLY/s1600/rexexp00.jpeg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" height="235" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhCT52-G-EgpNNOMqflt8Tyud9N_P9W0qkeGtqP5A9jfIHkqr_EjBQrV0hJ9qWxsGsqg05rdftwULXskN5ghjt84wCsN-TVIPVnXxj9dSNJeSvM7U8ixKVy387wuevcqI-fXEfvmEbTFLY/s400/rexexp00.jpeg" width="400" /></a></div><div class="Standard" style="font-weight: normal;"><br /></div><div class="Standard" style="font-weight: normal;">Voici quelques exemples.</div><div class="Standard" style="font-weight: normal;">Recherche de 3 caractères maximum entre c et l:</div><div class="Standard" style="font-weight: normal;"><div class="separator" style="clear: both; text-align: center;"></div><div class="separator" style="clear: both; text-align: center;"><a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhuov1om1afOo5Vl67sb9NWMiRhKuV2w-mAS4FjF26I5rJU2e8nvPLOq6Ia1a8RZzQfvjzqyojChOnacF36OLjqfbFNhRI5q_kDFqB6pw-y8VJxA3yPsWHQ6kmAZcDT-J3MRF8vAHWRCgE/s1600/rexexp01.jpeg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" height="286" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhuov1om1afOo5Vl67sb9NWMiRhKuV2w-mAS4FjF26I5rJU2e8nvPLOq6Ia1a8RZzQfvjzqyojChOnacF36OLjqfbFNhRI5q_kDFqB6pw-y8VJxA3yPsWHQ6kmAZcDT-J3MRF8vAHWRCgE/s640/rexexp01.jpeg" width="640" /></a></div><br /></div><div class="separator" style="clear: both; text-align: center;"></div><div class="Standard" style="font-weight: normal;"><div class="separator" style="clear: both; text-align: center;"></div>La sélection doit terminer un mot:</div><div class="Standard" style="font-weight: normal;"><br /></div><div class="separator" style="clear: both; text-align: center;"></div><div class="Standard" style="font-weight: normal;"><div class="separator" style="clear: both; text-align: center;"><a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiREoJmK_lleVcHQYXGMQ3qZWEGp8Yvs173Zrtw_HHvorPx9GsCR2cEB-T6eV8J6yhYgG-etYaij1G_AlGLicF2nNgViswHm_h8ZJkjVnhNm7cFPVL01LBVCoeBaYoMTyueiwhs-YjIn3c/s1600/rexexp02.jpeg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" height="288" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiREoJmK_lleVcHQYXGMQ3qZWEGp8Yvs173Zrtw_HHvorPx9GsCR2cEB-T6eV8J6yhYgG-etYaij1G_AlGLicF2nNgViswHm_h8ZJkjVnhNm7cFPVL01LBVCoeBaYoMTyueiwhs-YjIn3c/s640/rexexp02.jpeg" width="640" /></a></div><br /></div><div class="Standard" style="font-weight: normal;"><div class="separator" style="clear: both; text-align: center;"></div>La sélection doit se trouver en fin de ligne:</div><div class="Standard" style="font-weight: normal;"><div class="separator" style="clear: both; text-align: center;"><a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhmigNgwFRfb_Ty4Naq4n3rbM0bGDJFbaC5qmUuFU_TfN21gjIaAfiHR6ZQ-_fTedJvqVqyH5zfpYro6vww8jUsHxIoBEfWfpNUNuboaM8GHHzkHcsJSx_6IS2msDbbvZe1ox-Vdy5ZuAY/s1600/rexexp03.jpeg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" height="260" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhmigNgwFRfb_Ty4Naq4n3rbM0bGDJFbaC5qmUuFU_TfN21gjIaAfiHR6ZQ-_fTedJvqVqyH5zfpYro6vww8jUsHxIoBEfWfpNUNuboaM8GHHzkHcsJSx_6IS2msDbbvZe1ox-Vdy5ZuAY/s640/rexexp03.jpeg" width="640" /></a></div><br /></div><div class="separator" style="clear: both; text-align: center;"></div><div class="Standard" style="font-weight: normal;"><div class="separator" style="clear: both; text-align: center;"></div><br /></div><div class="Standard" style="font-weight: normal;">Comme le montrent les exemples, openoffice travaille avec des expressions régulières étendues. </div><br /><b>Utilisation avec SQL</b><br />Les base de données modernes (MySQL, PostgreSQL...) permettent l'emploi d'expressions régulières dans les instructions SQL.<br /><div class="Standard"><br /></div>

Expressions régulières

Une expression régulière est une suite de caractères ordinaires et de méta-caractères, utilisée en tant que critère de sélection. Un carac...

Read more »