Utilisation des expressions régulières en .Net

Tutoriel pas à pas expliquant le principe, la syntaxe et l'utilisation des REGEX en .Net.

N'hésitez pas à commenter cet article ! Commentez Donner une note  l'article (5)

Article lu   fois.

L'auteur

Site personnel

Liens sociaux

Viadeo Twitter Facebook Share on Google+   

Avant-propos

Les expressions régulières (également appelées Regex ou Regexp) sont une traduction controversée de "regular expressions" que les puristes appelleront les expressions rationnelles. Par la suite, nous utiliserons donc le terme "Regex" afin de rester neutres. :)

I. Les expressions régulières

I-A. Leur utilisation

Les Regex sont un outil (ou plutôt un système) très puissant permettant de vérifier la syntaxe d'une chaine de caractères. Plus précisément, c'est vérifier que la chaine de caractères à examiner respecte un motif ou une série de motifs (notre Regex) désignant la syntaxe attendue de la phrase.

Les Regex sont utilisées pour trois grands types d'action :
- vérifier la syntaxe(forme) d'une chaine de caractères (ex. : adresse ip de forme chiffre.chiffre.chiffre.chiffre) ;
- remplacer une partie de la chaine (token) par un élément spécifique ;
- découper une chaine de caractères.

Leur utilisation la plus courante est de vérifier la syntaxe d'une chaine, c'est-à-dire contrôler qu'elle respecte un format prédéfini et normé, décrit par les combinaisons d'opérateurs et de valeurs de la chaine Regex.

I-B. Leur syntaxe

Les Regex sont donc une suite de motifs qui se composent de métacaractères, de classes sous .NET et d'alias.
Voici tout d'abord, une série de métacaractères pouvant être utilisés et ayant chacun une correspondance bien précise.

Symbole

Correspondance

Exemple

\

Caractère d'échappement

[\.] contient un "."

^

Début de ligne

^b$ contient uniquement b

.

N'importe quel caractère

^.$ contient un seul caractère

$

Fin de ligne

er$ finit par "er"

|

Alternative

^(a|A) commence par a ou A

( )

Groupement

^((a)|(er)) commence par a ou er

-

Intervalle de caractères

^[a-d] commence par a,b,c ou d

[ ]

Ensemble de caractères

[0-9] contient un chiffre

[^]

Tout sauf un ensemble de caractères

^[^a] ne commence pas par a

+

1 fois ou plus

^(a)+ commence par un ou plusieurs a

?

0 ou 1 fois

 ^(a)? commence ou non par un a

*

0 fois ou plus

^(a)* peut ou non commencer par a

{x}

x fois exactement

a{2} deux fois "a"

{x,}

x fois au moins

a{2,} deux fois "a" au moins

{x, y}

x fois minimum, y maximum

a{2,4} deux, trois ou quatre fois "a"

Ces métacaractères nous permettent donc de faire des combinaisons infinies pouvant correspondre à tous les besoins. Néanmoins, pour vérifier des chaines de caractères de taille importante, l'écriture de ces métacaractères peut être fastidieuse, en plus du fait que la chaine Regex n'est pas très lisible pour le développeur. Heureusement, il existe une série d'alias permettant de faciliter cette tâche :

Alias

Correspondance

Equivalence

\n

Caractère de nouvelle ligne

 

\r

Caractère de retour à la ligne

 

\t

Caractère de tabulation

 

\s

Caractère d'espacement (espace, tabulation, saut de page, etc.)

[\f\n\r\t\v]

\S

Tout ce qui n'est pas un espacement

[^\f\n\r\t\v]

\d

Un chiffre

[0-9]

\D

Tout sauf un chiffre

[^0-9]

\w

Un caractère alphanumérique

[a-zA-Z0-9_]

\W

Tout sauf un caractère alphanumérique

[^a-zA-Z0-9_]

\n

Caractère en octal ex. :\001 ==> "1"

 

\xn

Caractère en hexadécimal ex. : \x41 ==>"A"

 

I-C. Exemples

Comme rien n'est plus parlant qu'un exemple concret, en voici quelques-uns qui démontrent à quel point les chaines Regex peuvent être simples…
ou complexes :)
Chaine qui contient des lettres de a à d : [a-d] ou [abcd]
Chaine qui contient des lettres de a à d ou n'importe quelles lettres majuscules : [a-dA-Z]
Chaine commençant (et finissant) par y ou z : ^(y | z)$
Chaine ne contenant pas de chiffre : [^0-9]
Chaine contenant les chiffres 1 ou 2 ou le symbole ^ : [12\^]

On peut utiliser plusieurs métacaractères :
^[pP]hara(onix)?$ : phara, Phara, pharaonix ou Pharaonix

Ou tout simplement vérifier la validité d'une adresse ip :
^(25[0-5]|2[0-4]\d|[0-1]?\d?\d)(\.(25[0-5]|2[0-4]\d|[0-1]?\d?\d)){3}$

Note : Cette ligne de validation semble complexe, mais dans une application, elle est la seule alternative à une suite énorme de substring() et comparaisons via les méthodes traditionnelles.

II. Les expressions régulières et .Net

Les Regex s'utilisent énormément sous UNIX avec PERL, mais également dans les langages web comme le PHP. Même si la syntaxe de base est identique, l'utilisation de celle-ci diffère un peu pour chaque langage, notamment les méthodes qui sont différentes. Ainsi, nous ne verrons pas ici les fonctions POSIX comme ereg( ), mais nous nous intéresserons uniquement aux méthodes propres aux langages .NET.

II-A. Utilisation en .Net

Les Regex nécessitent l'utilisation de l'espace de noms System.Text.RegularExpressions

 
Sélectionnez
using System.Text.RegularExpressions;

En .Net, les Regex sont à indiquer entre guillemets, si celles-ci comprennent des antislashs ("\"), il faut alors les doubler. Néanmoins, il existe une astuce utile ici, qui consiste à placer le symbole @ avant les guillemets.

Ainsi : @"^[\t]$" est équivalent à "^[\\t]$"



De plus, pour faciliter la vérification de vos Regex, je mets à disposition un petit programme qui permettra également de vérifier la validité des exemples que nous verrons par la suite. RegexMaker (32ko) Miroir.

II-B. Validation d'une chaine

La validation d'une chaine de caractères se fait grâce à la méthode IsMatch() qui retourne une valeur booléenne égale à true si la chaine correspond à la Regex et false dans le cas contraire.
Voici comme exemple, la méthode ValidMail() vérifie la validité d'une adresse mail passée en paramètre.

 
Sélectionnez
private bool ValidMail(string adresse)
{ 
    System.Text.RegularExpressions.Regex myRegex = new Regex(@"^([\w]+)@([\w]+)\.([\w]+)$");
    //([\w]+) ==> caractère alphanumérique apparaissant une fois ou plus 
    return myRegex.IsMatch(adresse); // retourne true ou false selon la vérification
}

Le fonctionnement de cette méthode consiste donc à créer un objet Regex que l'on initialise avec notre expression, puis on passe à cet objet la chaine à valider (ici la chaine adresse).

II-C. Remplacement dans une chaine

Une deuxième utilité des Regex est de pouvoir rechercher des occurrences de chaines spécifiques et de les remplacer par une autre chaine. Dans ce cas précis, nous utiliserons la méthode Replace(). Celle-ci est plus ou moins identique à la méthode Replace() de l'objet string, mais cette dernière ne permet de remplacer qu'une seule chaine de caractères par une autre. Prenons comme exemple, la méthode, SMS qui s'assure de remplacer certains termes par d'autres:

 
Sélectionnez
private string SMS(string chaine)
{
    System.Text.RegularExpressions.Regex myRegex = new Regex("(lut|salut|yop)");
    return myRegex.Replace(chaine,"bonjour"); //renvoi la chaine modifiée
}

Cette fois-ci, notre méthode remplacera toutes les occurrences des mots "lut", "salut" et "yop" par le mot "bonjour".

Note : avec cette méthode, il est possible de ne remplacer que les N premières occurrences en utilisant un paramètre supplémentaire : myRegex.Replace(chaine,"femme", N);// où N est un entier.



Il existe une subtilité des Regex qui consiste à pouvoir réutiliser la chaine récupérée via la Regex. La chaine Regex peut être modifiée de façon à ce que chaque motif correspondant à un groupe de métacaractères entre parenthèses soit récupérable et réutilisable par la suite. Ces regroupements sont donc réalisés à l'aide de "parenthèses de capture" (capturing parentheses) et permettent d'extraire des chaines de caractères qui seront utilisées pour la modification de la chaine de caractères finale. Voici un exemple concret: la méthode ToHtmlMail qui réutilise une partie de la chaine de départ, extraite grâce à la chaine Regex :

 
Sélectionnez
private string ToHtmlMail(string adresse)
{
   Regex  myRegex = new Regex(@"([\w\-.]+@[\w\-.]+)");
   return myRegex.Replace(adresse, "<a href=\"mailto:$1\" >$1a>");
}

Dans cette méthode, on ajoute les balises html mailto autour de l'adresse mail détectée. Ainsi, en passant à la méthode la chaine "contactez-moi via lg-morand@redaction-developpez.com", elle devient "contactez-moi via <a href="mailto:lg-morand@redaction-developpez.com">lg-morand@redaction-developpez.com</a>".
L'alias $1 représente la première chaine récupérée par la Regex :
([\w\-.]+@[\w\-.]+)
On aurait pu utiliser $2 si la chaine Regex de base était de la forme ([\w\-.]+)@([\w\-.]+). Voici le schéma représentant le cas de figure avec une chaine Regex à deux groupements (parenthèses) et les parties de la chaine analysée, qui sont récupérées :

www.developpez.com

Il est également possible d'utiliser une forme contractée :

Regex.Replace(adresse,"([\w\-.]+@[\w\-.]+)","<a href=\"mailto:$1\">$1<a>")

qui consiste à indiquer également l'expression de vérification.

II-D. Découpage dans une chaine

II-D-1. Découpage par séparateur

Grâce aux Regex, il est également possible de découper une chaine de caractères de différentes manières.
La première méthode est la méthode Split() qui génère un tableau de chaines de caractères en découpant une chaine de départ via un séparateur : mais ici, nous pouvons déclarer des séparateurs dynamiques.
Voici comme exemple, la méthode Splitter() qui découpe une chaine caractères en plusieurs chaines dont les séparateurs sont des chiffres

 
Sélectionnez
private string[] Splitter(string chaine)
{
   Regex myRegex=new Regex(@"\d+");
   return myRegex.Split(chaine);
}

En lui passant la chaine "Voici3234un2exemple23423427de2chaîne3424de767caractères"; elle renverra un tableau contenant {Voici, un, exemple, de, chaine, de, caractères}

II-D-2. Découpage par regroupement

La deuxième méthode permet également de ranger dans un tableau, différents éléments "extraits" de la chaine de caractères à travailler. Puis une astuce permet de réutiliser ces éléments "extraits" selon les besoins que l'on a d'eux. Voici donc une méthode qui va renvoyer un tableau des informations concernant le serveur à partir de son chemin LDAP, puis réaffiche les résultats. Vous noterez que nous utilisons ici encore les "parenthèses de capture" (cf. chapitre précédent) afin de grouper les différents motifs à récupérer.

 
Sélectionnez
Regex myRegex=new Regex(@"^LDAP://CN=([\w]+), CN=([\w]+), DC=([\w]+), DC=([\w]+)$");
Match m= myRegex.Match("LDAP://CN=moderateurs, CN=pharaonix, DC=com, DC=developpez");
if(m.Success)
{  
   MessageBox.Show("Utilisateur: " + m.Groups[2].Value);
   MessageBox.Show("Groupe: " + m.Groups[1].Value);
   MessageBox.Show("Serveur: " + m.Groups[4].Value+"."+m.Groups[3].Value);
}

Conclusion

Nous avons donc vu qu'il existe différentes manières d'utiliser les Regex, et que malgré leur aspect complexe au premier abord, elles ont pour but la simplification du travail sur les chaines. Il est ainsi très facile de vérifier la validité d'une chaine et d'en ressortir les erreurs et/ou de les corriger. J'espère que vous saurez maintenant comprendre le fonctionnement des expressions rationnelles et que vous saurez les utiliser à bon escient, quel que soit le langage choisi.

Liens

Je joins également les sources des codes transcrits en Delphi par Laurent DARDENNE :
Sources Delphi

Voici quelques liens utiles en rapport avec les expressions régulières :
Article sur les Regex et Java (Hugo Etievant)
Article sur les Regex et php (Hugo Etievant)
Site complet sur les différentes utilisations des Regex
Outil de Regex
Des centaines de chaines Regex toutes faites

Un remerciement tout spécial à Laurent DARDENNE pour tout le temps qu'il a passé à m'aider à améliorer cet article ainsi qu'à Emerica pour ses corrections et remarques constructives.

Vous avez aimé ce tutoriel ? Alors partagez-le en cliquant sur les boutons suivants : Viadeo Twitter Facebook Share on Google+   

  

Les sources présentées sur cette page sont libres de droits et vous pouvez les utiliser à votre convenance. Par contre, la page de présentation constitue une œuvre intellectuelle protégée par les droits d'auteur. Copyright © 2005 MORAND Louis-Guillaume. Aucune reproduction, même partielle, ne peut être faite de ce site ni de l'ensemble de son contenu : textes, documents, images, etc. sans l'autorisation expresse de l'auteur. Sinon vous encourez selon la loi jusqu'à trois ans de prison et jusqu'à 300 000 € de dommages et intérêts.