WikiMath

Présentation

Dans des expressions rationnelles élaborées, on peut trouver des sous-groupes :

• pour capturer des sous-chaînes qui ont un intérêt quelconque,
• pour structurer l'expression rationnelle.

Seulement, quand l'expression devient complexe, il est plus délicat de s'en sortir avec seulement les numéros des sous-groupes, qui peuvent être nombreux.

Il devient alors intéressant de donner un nom aux sous-groupes, pour les identifier. En Python, on peut faire cela comme suit :

(?:...)

Définis un sous-groupe sans nom ni numéro.

(?P<name>...)

Définis un sous-groupe, qui portera le nom name.

(?P=name)

Fait référence au sous-groupe dont le nom est name.

Ne pas identifier un sous-groupe sans importance

Une première application de ce qui précède consiste à donner un nom vide à un sous-groupe, comme suit :

(?:...)

Cela peut avoir son utilité, quand un sous-groupe est clairement identifiable dans la chaîne, mais que son contenu n'a aucune importance : commentaires, etc.

Voici un exemple :

  >>> m = re.match("([abc])+", "abc")
  >>> m.groups()
  ('c',)
  >>> m = re.match("(?:[abc])+", "abc")
  >>> m.groups()
  ()

Cette technique peut aussi s'avérer utile quand on doit rajouter un sous-groupe à une expression rationnelle, mais que l'on ne souhaite pas modifier la numérotation des sous-groupes.

Nommer un groupe

La deuxième utilisation de cette syntaxe, nommer des sous-groupes, est plus intéressante. Elle permet de faire référence à ces sous-groupes.

Ainsi, chaque méthode de la classe MatchObject, comme group(), accepte ces noms en argument :

  >>> p = re.compile(r'(?P<word>\b\w+\b)')
  >>> m = p.search( '(((( Lots of punctuation )))' )
  >>> m.group('word')
  'Lots'
  >>> m.group(1)
  'Lots'

On constate, dans l'exemple ci-dessus, qu'un sous-groupe nommé possède encore son indice dans la numérotation des sous-groupes, ce qui peut s'avérer utile.

Voici un exemple qui montre combien nommer des sous-groupes peut servir :

  >>> InternalDate = re.compile(r'INTERNALDATE "'
  ...      r'(?P<jour>[ 123][0-9])-(?P<mois>[A-Z][a-z][a-z])-'
  ...      r'(?P<annee>[0-9][0-9][0-9][0-9])'
  ...      r' (?P<heure>[0-9][0-9]):(?P<min>[0-9][0-9]):(?P<sec>[0-9][0-9])'
  ...      r' (?P<zone>[-+])(?P<zoneh>[0-9][0-9])(?P<zonem>[0-9][0-9])'
  ...      r'"')

Il est clairement plus aisé de faire appel à m.group('zone'), plutôt qu'à m.group(9)...

La référence à des sous-groupes nommés

On sait qu'il est possible de faire référence au contenu du i^ième sous-groupe avec \i.

On peut de même utiliser le nom d'un sous-groupe nommé, pour faire référence à son contenu dans une expression rationnelle, comme suit :

(?P=name)

où name est le nom du sous-groupe considéré.

Reprenons par exemple le problème consistant à chercher les mots qui se répètent, à la suite, dans un texte. L'expression rationnelle correspondante était

(\b\w+)\s+\1

Cette expression peut aussi s'écrire ainsi :

(?P<mot>\b\w+)\s+(?P=mot)

La preuve...

  >>> p = re.compile(r'(?P<mot>\b\w+)\s+(?P=mot)')
  >>> p.search('Paris in the the spring').group()
  'the the'