{"id":4811,"date":"2021-10-21T13:39:09","date_gmt":"2021-10-21T12:39:09","guid":{"rendered":"https:\/\/thinkr.fr\/abcdr\/?p=4811"},"modified":"2021-10-21T13:39:16","modified_gmt":"2021-10-21T12:39:16","slug":"comment-extraire-un-motif-dune-chaine-de-caracteres-avec-une-expression-reguliere-ou-regex","status":"publish","type":"post","link":"https:\/\/thinkr.fr\/abcdr\/comment-extraire-un-motif-dune-chaine-de-caracteres-avec-une-expression-reguliere-ou-regex\/","title":{"rendered":"Comment extraire un motif d’une cha\u00eene de caract\u00e8res avec une expression r\u00e9guli\u00e8re ou regex"},"content":{"rendered":"\n

Analyser des donn\u00e9es demande de savoir manipuler aussi du texte. Ce que nous appelons texte en tant qu\u2019humain est interpr\u00e9t\u00e9 par R comme une cha\u00eene de caract\u00e8res<\/em>.<\/strong><\/p>\n

Le type de donn\u00e9e correspondant dans R est appel\u00e9: character<\/code>.<\/p>\n

class(\"abcdR\")<\/code><\/pre>\n
## [1] \"character\"<\/code><\/pre>\n
Il est parfois n\u00e9cessaire d\u2019extraire des motifs particuliers de cha\u00eenes de caract\u00e8res. Pour ce faire on peut utiliser des expressions r\u00e9guli\u00e8res<\/em> ou regex<\/strong> en anglais.<\/p>\n
Pour cela nous allons utiliser {stringr}<\/code>, un package du tidyverse<\/a>.<\/p>\n
library(stringr)<\/code><\/pre>\n
Consid\u00e9rons un vecteur de noms de fichiers csv.<\/p>\n
noms_fichiers <- c(\"pop_FRA_2019.csv\", \"pop_ITA_2020.csv\", \"pop_ESP_2019.csv\")<\/code><\/pre>\n
Comment extraire le code iso3 (FRA<\/code>, ITA<\/code>\u2026) ?<\/p>\n
str_extract(string = noms_fichiers, pattern = \"[A-Z]{3}\")<\/code><\/pre>\n
## [1] \"FRA\" \"ITA\" \"ESP\"<\/code><\/pre>\n
Ici le motif (pattern<\/code>) \u00e0 extraire correspond \u00e0 une lettre majuscule [A-Z]<\/code> r\u00e9p\u00e9t\u00e9e exactement {3}<\/code> fois. Facile !<\/p>\n
Mais malheureusement la vie n\u2019est jamais aussi simple\u2026<\/p>\n
noms_fichiers <- c(\"pop_fra_2019.csv\", \"pop_ita_2020.csv\", \"pop_esp_2019.csv\")<\/code><\/pre>\n
Dans ce cas pr\u00e9cis notre exemple pr\u00e9c\u00e9dent ne fonctionne plus car tout est en minuscule. Nous devrions utiliser la version minuscule du pattern<\/code>: \"[a-z]{3}\"<\/code>, une lettre minuscule [a-z]<\/code> r\u00e9p\u00e9t\u00e9e exactement {3}<\/code> fois. Mais cela ne correspond plus \u00e0 un motif unique.<\/p>\n
str_extract(noms_fichiers, \"[a-z]{3}\")<\/code><\/pre>\n
## [1] \"pop\" \"pop\" \"pop\"<\/code><\/pre>\n
Il est alors n\u00e9cessaire de sortir l\u2019artillerie lourde\u2026<\/p>\n
str_extract(noms_fichiers, \"(?<=pop_)[a-z]{3}(?=_\\\\d{4})\")<\/code><\/pre>\n
## [1] \"fra\" \"ita\" \"esp\"<\/code><\/pre>\n
Ce motif, \"(?<=pop_)[a-z]{3}(?=_\\\\d{4})\"<\/code> se lit,<\/p>\n