X-Received: by 2002:adf:d1ce:: with SMTP id b14mr29015547wrd.42.1635668135964;
        Sun, 31 Oct 2021 01:15:35 -0700 (PDT)
Path: ...!news-out.google.com!nntp.google.com!proxad.net!feeder1-2.proxad.net!fdn.fr!news.ortolo.eu!news.izac.org!reader
From: Benoit Izac <use.reply.to@INVALID.ADDRESS>
Newsgroups: fr.comp.lang.regexp
Subject: Re: Une regexp est recherchee
Date: Sun, 31 Oct 2021 09:15:35 +0100
Message-ID: <87y269vcd4.fsf@izac.org>
References: <regexp-20211031015833@ram.dialup.fu-berlin.de>
Reply-To: benoit.izac@free.fr
Mime-Version: 1.0
Injection-Info: keg.izac.org;
	logging-data="3826850"; mail-complaints-to="usenet@izac.org"
Content-Type: text/plain; charset=utf-8
Content-Transfer-Encoding: 8bit
Bytes: 3410
Lines: 78

Bonjour,

Le 31/10/2021 à 02:20, Stefan Ram a écrit dans le message
<regexp-20211031015833@ram.dialup.fu-berlin.de> :

>   Une regexp est recherchée
>
>   Étant donné le texte suivant :
>
> <li>xyzzy<a>wr$g<span>ALPHA</span>aef a:iue</a>a/li-aeif</li>
> <li>abc cb<a>wro/ghqiu<span>BETA</span>anfea+uie</a>ei!rqiu</li>
> <li>48 4/li_99<a>e//og ai<span>GAMMA</span>a^ue ui</a>ne fi.a iq</li>
> <li>285289<a>äirh`iuah<span>EPSILON</span>afi uahui</a>erih(aeui</li>
>
>   La division en lignes dans cet affichage n'est faite que
>   pour des raisons de clarté. Ce que l'on veut dire, c'est
>   que le texte est une longue ligne unique.
>
>   Vous voyez quatre sous-textes, dont chacun commence par
>   "<li>" et se termine par "</li>".
>
>   Ces textes partiels contenant "GAMMA" doivent maintenant
>   être supprimés à l'aide d'un programme capable de rechercher
>   des regexps et de les remplacer par d'autres textes.
>
>   Le résultat devrait donc être le suivant :
>
> <li>xyzzy<a>wr$g<span>ALPHA</span>aef a:iue</a>afji-aeif</li>
> <li>abc cb<a>wro/ghqiu<span>BETA</span>anfea+uie</a>ei!rqiu</li>
> <li>285289<a>äirh`iuah<span>EPSILON</span>afi uahui</a>erih(aeui</li>
>
>   . J'aimerais donc avoir une commande comme suit :
>
> Remplacer tous les sous-textes correspondant à le regexp
> "..." par "" (rien).
>
>   Mais que serait cette regexp ?
>
>   La tentative naïve qui suit, échoue sûrement !
>
>   (écrit en Python)
>
> import re
>
> source = \
> "<li>xyzzy<a>wr$g<span>ALPHA</span>aef a:iue</a>a/li-aeif</li>"\
> "<li>abc cb<a>wro/ghqiu<span>BETA</span>anfea+uie</a>ei!rqiu</li>"\
> "<li>48 4/li_99<a>e//og ai<span>GAMMA</span>a^ue ui</a>ne fi.a iq</li>"\
> "<li>285289<a>äirh`iuah<span>EPSILON</span>afi uahui</a>erih(aeui</li>"
>
> print( re.sub( "<li>.*?GAMMA.*?</li>", "", source ))
>
>   qui imprime
>
> <li>285289<a>äirh`iuah<span>EPSILON</span>afi uahui</a>erih(aeui</li>
>
>   . Je me demande si cela est possible !

Je n'ai pas trouvé pour le faire avec une regex sans un truc pourri mais
on peut s'en sortir autrement :

print(''.join(
    [s for s in re.findall('<li>.*?</li>', source)
        if s.find('GAMMA') == -1]))

La bonne méthode (qui marche dans toutes les situations) serait
d'utiliser un parser HTML ou XML.

Le truc pourri :

print( re.sub( "<li>.(?:(?<!<li>).)*GAMMA.*?</li>", "", source ))

Donc « <li> » suivi d'un caractère, suivi de zéro ou plus caractère(s)
qui ne sont pas précédés de « <li> ».

Évidemment ça va bouffer BETA si on a « <li>GAMMA… ».

-- 
Benoit Izac