Re: [HS] HTML, javascript, expression régulière ?
> AUjourd'hui j'ai re-tester le premier qui a marché mais maintenant j'ai les > même e-mailS qui sorte, bon je passer pour un spammer ... > La je veux récupérer les adresseS de site web donc je tape : > $ find . -type f -print | xargs egrep -o > '0www.[a-zA-Z0-9._-]{2,}\.[a-z]{2,4}' >www-__.txt > Et j'ai les erreurS : > grep: le fichier d'entrée « ./www-___.txt » est aussi en sortie > xargs: guillemets simple non appairés ; par défaut les guillemets sont > particuliers à xargs à moins d'utiliser l'option -0 > grep: ./www._.com/pics/contents/webzine/c+: No such file or directory > grep: horreur.jpg: No such file or directory > grep: ./www.__.com/pics/contents/webzine/campagne: No such file or > directory > grep: mars.jpg: No such file or directory > grep: ./www.__.com/pics/contents/webzine/campagne: No such file or > directory > grep: ▒co: No such file or directory > grep: emballages.jpg: No such file or directory > > [...] > Mais j'ai plus rien dans le fichier ... > On n'est pas vendredi, mais je suis obliger de faire fonctionner mes doigts, > sinon je vais attraper une entorse falangique ;-) > > Y a une gréve dans la presse les numéro de https://www.closermag.fr/ ; > www.voici.fr/ ; https://www.public.fr/ ; people.com/ ; www.purepeople.com/ ; > www.gala.fr/ , etc ... > > non pas été imprimer ? Y a un beug majeure dans le logiciel libre qui fait > que les serveurs ne servent plus la bonne soupe ? > > Ptilou > Tente ça : egrep -R 'www\.[a-zA-Z0-9._\-]+\.[[:alpha:]]{2,4}' . Christian
Re: [HS] HTML, javascript, expression régulière ?
Bonjour, Le jeudi 2 novembre 2017 13:30:03 UTC+1, Christian Quentin a écrit : > Le 02.11.2017 07:59, ptilou a écrit : > > > Bonjour, > > Le mercredi 25 octobre 2017 13:10:02 UTC+2, Christian Quentin a écrit : > Le 25.10.2017 10:53, ptilou a écrit : > > > Bonjour, > > Le lundi 23 octobre 2017 12:00:02 UTC+2, Thomas Savary a écrit : > Enfin une question à laquelle je peux essayer de répondre :-) > > Je suis nul en informatique, mais j'ai une relative maîtrise des > expressions > rationnelles. > Dans ton expression, tu as oublié de protéger le point et le trait d'union. > Par ailleurs, on peut faire plus simple en utilsant \w. > > Essaie : > [\w\.\-]+@[\w\.\-]{2,}\.[a-z]{2,4} > > Cela dit, il faut aussi parfois protéger les contre-obliques, en tout cas > dans > sed. Le plus « drôle », c'est que cela dépend aussi du shell utilisé. > > > Marche pas ! > > $ find . -type f -print | xargs egrep -o > '[\w\.\-]+@[\w\.\-]{2,}\.[a-z]{2,4}' > xargs: guillemets simple non appairés ; par défaut les guillemets sont > particuliers à xargs à moins d'utiliser l'option -0 > grep: ./www._.com/pics/contents/webzine/communique: No such file or > directory > grep: paris: No such file or directory > grep: design: No such file or directory > grep: week.pdf: No such file or directory > grep: ./www._.com/pics/contents/webzine/vs: No such file or directory > grep: a: No such file or directory > grep: glass: No such file or directory > grep: house.jpg: No such file or directory > grep: ./www._.com/pics/webzine/29: No such file or directory > grep: citations: No such file or directory > grep: pour: No such file or directory > > Je n'ai même plus les adresses du webmestre ! > J'ai pas comprie le truc des obliques, moi il faut me donner la bécquée > comme un oisillion mais en code source, je ne suis pas capable de réfléchire > > Il faut ce mettre à python, Lxml et BeautifulSoup ? > > Je cherche un truc plus simple, sous windows quand je lance une recherche > il me sort 300 pages avec dans le nom, il y a l'arobase dans le noms, en plus > une dizaines d'exécutables en DOS, je crois que c'est dans ces fichiers si > j'ai télécharger les adresses ? > Je suis le seul à faire du scraping ? > > Ptilou > > > > Les raccourcis pour les caractères alphanumériques varient selon le contexte > dans lequel les regexp sont utilisées, essaie ça en ligne de commande : > > egrep -R '[[:alnum:].\-]+@[[:alnum:]]+\.[[:alpha:]]{2,}' > > > çà ne marche pas ! j'ai essayé man c la : > http://manpagesfr.free.fr/man/man1/Index.1.html > > j'ai besoin d'aide pour mettre tous çà en corollaire ... > Y a des rhume de binaire en ce moment c'est une épidémie ! > > Ptilou > > > > > > > > Curieux... J'ai essayé ça sous bash et ça donne bien le résultat attendu : > egrep -R '[[:alnum:].\-]+@[[:alnum:]]+\.[[:alpha:]]{2,}' > > egrep -R '[[:alnum:]._\-]+@([[:alnum:]]+\.)+[[:alpha:]]{2,}' est un peu plus > complète et repère les emails du type to...@qqpart.co.uk (avec un domaine > composé de 2 parties ou plus) > > Tu lances bien la commande dans un terminal pour faire tes tests ? > OUI ! AUjourd'hui j'ai re-tester le premier qui a marché mais maintenant j'ai les même e-mailS qui sorte, bon je passer pour un spammer ... La je veux récupérer les adresseS de site web donc je tape : $ find . -type f -print | xargs egrep -o '0www.[a-zA-Z0-9._-]{2,}\.[a-z]{2,4}' >www-__.txt Et j'ai les erreurS : grep: le fichier d'entrée « ./www-___.txt » est aussi en sortie xargs: guillemets simple non appairés ; par défaut les guillemets sont particuliers à xargs à moins d'utiliser l'option -0 grep: ./www._.com/pics/contents/webzine/c+: No such file or directory grep: horreur.jpg: No such file or directory grep: ./www.__.com/pics/contents/webzine/campagne: No such file or directory grep: mars.jpg: No such file or directory grep: ./www.__.com/pics/contents/webzine/campagne: No such file or directory grep: ▒co: No such file or directory grep: emballages.jpg: No such file or directory [...] Mais j'ai plus rien dans le fichier ... On n'est pas vendredi, mais je suis obliger de faire fonctionner mes doigts, sinon je vais attraper une entorse falangique ;-) Y a une gréve dans la presse les numéro de https://www.closermag.fr/ ; www.voici.fr/ ; https://www.public.fr/ ; people.com/ ; www.purepeople.com/ ; www.gala.fr/ , etc ... non pas été imprimer ? Y a un beug majeure dans le logiciel libre qui fait que les serveurs ne servent plus la bonne soupe ? Ptilou
Re: [HS] HTML, javascript, expression régulière ?
Le 02.11.2017 07:59, ptilou a écrit : > Bonjour, > > Le mercredi 25 octobre 2017 13:10:02 UTC+2, Christian Quentin a écrit : > >> Le 25.10.2017 10:53, ptilou a écrit : >> >> Bonjour, >> >> Le lundi 23 octobre 2017 12:00:02 UTC+2, Thomas Savary a écrit : >> Enfin une question à laquelle je peux essayer de répondre :-) >> >> Je suis nul en informatique, mais j'ai une relative maîtrise des expressions >> rationnelles. >> Dans ton expression, tu as oublié de protéger le point et le trait d'union. >> Par ailleurs, on peut faire plus simple en utilsant \w. >> >> Essaie : >> [\w\.\-]+@[\w\.\-]{2,}\.[a-z]{2,4} >> >> Cela dit, il faut aussi parfois protéger les contre-obliques, en tout cas >> dans >> sed. Le plus « drôle », c'est que cela dépend aussi du shell utilisé. >> >> Marche pas ! >> >> $ find . -type f -print | xargs egrep -o >> '[\w\.\-]+@[\w\.\-]{2,}\.[a-z]{2,4}' >> xargs: guillemets simple non appairés ; par défaut les guillemets sont >> particuliers à xargs à moins d'utiliser l'option -0 >> grep: ./www._.com/pics/contents/webzine/communique [1]: No such file or >> directory >> grep: paris: No such file or directory >> grep: design: No such file or directory >> grep: week.pdf: No such file or directory >> grep: ./www._.com/pics/contents/webzine/vs [2]: No such file or directory >> grep: a: No such file or directory >> grep: glass: No such file or directory >> grep: house.jpg: No such file or directory >> grep: ./www._.com/pics/webzine/29 [3]: No such file or directory >> grep: citations: No such file or directory >> grep: pour: No such file or directory >> >> Je n'ai même plus les adresses du webmestre ! >> J'ai pas comprie le truc des obliques, moi il faut me donner la bécquée >> comme un oisillion mais en code source, je ne suis pas capable de réfléchire >> >> Il faut ce mettre à python, Lxml et BeautifulSoup ? >> >> Je cherche un truc plus simple, sous windows quand je lance une recherche il >> me sort 300 pages avec dans le nom, il y a l'arobase dans le noms, en plus >> une dizaines d'exécutables en DOS, je crois que c'est dans ces fichiers si >> j'ai télécharger les adresses ? >> Je suis le seul à faire du scraping ? >> >> Ptilou >> >> Les raccourcis pour les caractères alphanumériques varient selon le contexte >> dans lequel les regexp sont utilisées, essaie ça en ligne de commande : >> >> egrep -R '[[:alnum:].\-]+@[[:alnum:]]+\.[[:alpha:]]{2,}' > > çà ne marche pas ! j'ai essayé man c la : > http://manpagesfr.free.fr/man/man1/Index.1.html > > j'ai besoin d'aide pour mettre tous çà en corollaire ... > Y a des rhume de binaire en ce moment c'est une épidémie ! > > Ptilou > Curieux... J'ai essayé ça sous bash et ça donne bien le résultat attendu : egrep -R '[[:alnum:].\-]+@[[:alnum:]]+\.[[:alpha:]]{2,}' egrep -R '[[:alnum:]._\-]+@([[:alnum:]]+\.)+[[:alpha:]]{2,}' est un peu plus complète et repère les emails du type t...@qqpart.co.uk (avec un domaine composé de 2 parties ou plus) Tu lances bien la commande dans un terminal pour faire tes tests ? Christian Links: -- [1] http://www._.com/pics/contents/webzine/communique [2] http://www._.com/pics/contents/webzine/vs [3] http://www._.com/pics/webzine/29
Re: [HS] HTML, javascript, expression régulière ?
-BEGIN PGP SIGNED MESSAGE- Hash: SHA512 Bonjour Pilou il existe des sites web qui peuvent faire ça, de façon interactive. mais il existe aussi des paquets qui font ça de façon interactive, par exemple: txt2regex - A Regular Expression "wizard", all written with bash2 builtins visual-regexp - Interactively debug regular expressions et sûrement plein d'autres -BEGIN PGP SIGNATURE- iQIzBAEBCgAdFiEEJO//ePEJChGbGaZQrjHmR0GD/5kFAln62VoACgkQrjHmR0GD /5nyIw/+Pd8FWlXScxJQdGprfKsYGzN37eup7OWzu4vKErADquGnn1TeRtZPJk7U dQqUvUll2uUwvTXDWNpf9ZQCEEAbPc6d9MWoqtjrIXaDjSHattlE/yEJ/NBMDIa8 AiFIn5rzdC0M+6/rVSdCLs3618HzTfi8RYvEe0wJcg8O547NTwl4UAizsnaZoDAq D2A751DHEjREIygtjwwiAouZPywiI8jIiOnu8r1Z36CBnSBB4zqHsdX7D9jBbImM OEvjQRbIQ80tDircP+VwWAFRdgZk0NzAcLQzODW7hs+LQndpcoYWW4lyyVFpv5g6 P9lQs0ZI9lSUkU25ST5QfjR+i3szeRJOQv5BVf+mSDJqx8OWnESUctwIHSW7hwME tSUT5DvmXGYAa0Jjss0TrC50mjgenKP2oZw/hOcRs0kP0PhmJ8RCoDvdL0eVPM1v cM3ytXZREVjOxtT/XvaQiurMmM2HafdqzmyKqEorLLMneO0o0zB8RdGpryYnPcYs 34w5riOA0m7rfLd34q6fGRmSm7SXpmvPfXLHnbOpAdaS3gNgWzH7C1P+BMzz69uZ v6ABjERdvz5DZBrwLQIHMiT2RnFSrg3wtL6hyUlftl8Yx/Tt8zl0LpdIGsLugShD zYeSM2ZP8Soi5d3Ygm4QVsrOFAC2qexlYi5/sT1Si3/SafDGJts= =Whwf -END PGP SIGNATURE-
Re: [HS] HTML, javascript, expression régulière ?
Bonjour, Le mercredi 25 octobre 2017 13:10:02 UTC+2, Christian Quentin a écrit : > Le 25.10.2017 10:53, ptilou a écrit : > > > Bonjour, > > Le lundi 23 octobre 2017 12:00:02 UTC+2, Thomas Savary a écrit : > Enfin une question à laquelle je peux essayer de répondre :-) > > Je suis nul en informatique, mais j'ai une relative maîtrise des expressions > rationnelles. > Dans ton expression, tu as oublié de protéger le point et le trait d'union. > Par ailleurs, on peut faire plus simple en utilsant \w. > > Essaie : > [\w\.\-]+@[\w\.\-]{2,}\.[a-z]{2,4} > > Cela dit, il faut aussi parfois protéger les contre-obliques, en tout cas > dans > sed. Le plus « drôle », c'est que cela dépend aussi du shell utilisé. > > > Marche pas ! > > $ find . -type f -print | xargs egrep -o > '[\w\.\-]+@[\w\.\-]{2,}\.[a-z]{2,4}' > xargs: guillemets simple non appairés ; par défaut les guillemets sont > particuliers à xargs à moins d'utiliser l'option -0 > grep: ./www._.com/pics/contents/webzine/communique: No such file or > directory > grep: paris: No such file or directory > grep: design: No such file or directory > grep: week.pdf: No such file or directory > grep: ./www._.com/pics/contents/webzine/vs: No such file or directory > grep: a: No such file or directory > grep: glass: No such file or directory > grep: house.jpg: No such file or directory > grep: ./www._.com/pics/webzine/29: No such file or directory > grep: citations: No such file or directory > grep: pour: No such file or directory > > Je n'ai même plus les adresses du webmestre ! > J'ai pas comprie le truc des obliques, moi il faut me donner la bécquée > comme un oisillion mais en code source, je ne suis pas capable de réfléchire > > Il faut ce mettre à python, Lxml et BeautifulSoup ? > > Je cherche un truc plus simple, sous windows quand je lance une recherche il > me sort 300 pages avec dans le nom, il y a l'arobase dans le noms, en plus > une dizaines d'exécutables en DOS, je crois que c'est dans ces fichiers si > j'ai télécharger les adresses ? > Je suis le seul à faire du scraping ? > > Ptilou > > > > Les raccourcis pour les caractères alphanumériques varient selon le contexte > dans lequel les regexp sont utilisées, essaie ça en ligne de commande : > > egrep -R '[[:alnum:].\-]+@[[:alnum:]]+\.[[:alpha:]]{2,}' > çà ne marche pas ! j'ai essayé man c la : http://manpagesfr.free.fr/man/man1/Index.1.html j'ai besoin d'aide pour mettre tous çà en corollaire ... Y a des rhume de binaire en ce moment c'est une épidémie ! Ptilou
Re: [HS] HTML, javascript, expression régulière ?
Bonjour ! Comme c'est "[HS]", je me permets un "hors sujet" que j'aime quand il est question de HTML et RegExp : https://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags ;-) Randy11 On 23/10/2017 10:19, ptilou wrote: Bonjour la liste, J'ai besoin de récupérer des adresses mail, j'utilise wget -m http://mon_site_que_j'aime.fr Je me retrouve avec 5 go de donnée, quand j'ouvre les pages à la mano sous LibreOffice, çà revoie à un javascript:void(0); comme balise pour l'adresse mail. J'ai donc en ligne de commande taper $ find . -type f -print | xargs egrep -o '[a-zA-Z0-9._-]+@[a-zA-Z0-9._-]{2,}\.[a-z]{2,4}' Voila les erreurs qui apparaissent : [...] grep: paris: No such file or directory grep: design: No such file or directory grep: week.pdf: No such file or directory grep: ./www..com/pics/contents/webzine/vs: No such file or directory grep: a: No such file or directory grep: glass: No such file or directory [...] Je ne récupère que les adresses du Webmestre, donc comment récupérer l'annuaire complet ? ( çà a mouliner toute la nuit et j'ai fait un Control C pour arrêter ce matin ) Donc je sais pas si je n'ai pas télécharger les adresses, ou si c'est l'expression régulière qui est erroné ? Merci de m’orienter vers un forum plus approprié si vous n'aviez pas la solution ! Ptilou
Re: [HS] HTML, javascript, expression régulière ?
On Monday, 23 October 2017 01:19:46 CEST ptilou wrote: > Voila les erreurs qui apparaissent : > [...] > grep: paris: No such file or directory > grep: design: No such file or directory > grep: week.pdf: No such file or directory > grep: ./www..com/pics/contents/webzine/vs: No such file or directory > grep: a: No such file or directory > grep: glass: No such file or directory Semblerait que certain fichiers contiennent des espaces dans leur nom. cf option -print0 pour find et -0 (aka --null) pour xargs e.g find . -name xx -print0 | xargs --null grep etc... HTH -- https://github.com/dod38fr/ -o- http://search.cpan.org/~ddumont/ http://ddumont.wordpress.com/ -o- irc: dod at irc.debian.org
Re: [HS] HTML, javascript, expression régulière ?
Le 25.10.2017 10:53, ptilou a écrit : > Bonjour, > > Le lundi 23 octobre 2017 12:00:02 UTC+2, Thomas Savary a écrit : > >> Enfin une question à laquelle je peux essayer de répondre :-) >> >> Je suis nul en informatique, mais j'ai une relative maîtrise des expressions >> rationnelles. >> Dans ton expression, tu as oublié de protéger le point et le trait d'union. >> Par ailleurs, on peut faire plus simple en utilsant \w. >> >> Essaie : >> [\w\.\-]+@[\w\.\-]{2,}\.[a-z]{2,4} >> >> Cela dit, il faut aussi parfois protéger les contre-obliques, en tout cas >> dans >> sed. Le plus « drôle », c'est que cela dépend aussi du shell utilisé. > > Marche pas ! > > $ find . -type f -print | xargs egrep -o > '[\w\.\-]+@[\w\.\-]{2,}\.[a-z]{2,4}' > xargs: guillemets simple non appairés ; par défaut les guillemets sont > particuliers à xargs à moins d'utiliser l'option -0 > grep: ./www._.com/pics/contents/webzine/communique [1]: No such file or > directory > grep: paris: No such file or directory > grep: design: No such file or directory > grep: week.pdf: No such file or directory > grep: ./www._.com/pics/contents/webzine/vs [2]: No such file or directory > grep: a: No such file or directory > grep: glass: No such file or directory > grep: house.jpg: No such file or directory > grep: ./www._.com/pics/webzine/29 [3]: No such file or directory > grep: citations: No such file or directory > grep: pour: No such file or directory > > Je n'ai même plus les adresses du webmestre ! > J'ai pas comprie le truc des obliques, moi il faut me donner la bécquée comme > un oisillion mais en code source, je ne suis pas capable de réfléchire > Il faut ce mettre à python, Lxml et BeautifulSoup ? > > Je cherche un truc plus simple, sous windows quand je lance une recherche il > me sort 300 pages avec dans le nom, il y a l'arobase dans le noms, en plus > une dizaines d'exécutables en DOS, je crois que c'est dans ces fichiers si > j'ai télécharger les adresses ? > Je suis le seul à faire du scraping ? > > Ptilou Les raccourcis pour les caractères alphanumériques varient selon le contexte dans lequel les regexp sont utilisées, essaie ça en ligne de commande : egrep -R '[[:alnum:].\-]+@[[:alnum:]]+\.[[:alpha:]]{2,}' Christian Links: -- [1] http://www._.com/pics/contents/webzine/communique [2] http://www._.com/pics/contents/webzine/vs [3] http://www._.com/pics/webzine/29
Re: [HS] HTML, javascript, expression régulière ?
Bonjour, Le lundi 23 octobre 2017 12:00:02 UTC+2, Thomas Savary a écrit : > Enfin une question à laquelle je peux essayer de répondre :-) > > Je suis nul en informatique, mais j’ai une relative maîtrise des expressions > rationnelles. > Dans ton expression, tu as oublié de protéger le point et le trait d’union. > Par ailleurs, on peut faire plus simple en utilsant \w. > > Essaie : > [\w\.\-]+@[\w\.\-]{2,}\.[a-z]{2,4} > > Cela dit, il faut aussi parfois protéger les contre-obliques, en tout cas > dans > sed. Le plus « drôle », c’est que cela dépend aussi du shell utilisé. > Marche pas ! $ find . -type f -print | xargs egrep -o '[\w\.\-]+@[\w\.\-]{2,}\.[a-z]{2,4}' xargs: guillemets simple non appairés ; par défaut les guillemets sont particuliers à xargs à moins d'utiliser l'option -0 grep: ./www._.com/pics/contents/webzine/communique: No such file or directory grep: paris: No such file or directory grep: design: No such file or directory grep: week.pdf: No such file or directory grep: ./www._.com/pics/contents/webzine/vs: No such file or directory grep: a: No such file or directory grep: glass: No such file or directory grep: house.jpg: No such file or directory grep: ./www._.com/pics/webzine/29: No such file or directory grep: citations: No such file or directory grep: pour: No such file or directory Je n'ai même plus les adresses du webmestre ! J'ai pas comprie le truc des obliques, moi il faut me donner la bécquée comme un oisillion mais en code source, je ne suis pas capable de réfléchire Il faut ce mettre à python, Lxml et BeautifulSoup ? Je cherche un truc plus simple, sous windows quand je lance une recherche il me sort 300 pages avec dans le nom, il y a l’arobase dans le noms, en plus une dizaines d’exécutables en DOS, je crois que c'est dans ces fichiers si j'ai télécharger les adresses ? Je suis le seul à faire du scraping ? Ptilou
Re: [HS] HTML, javascript, expression régulière ?
Enfin une question à laquelle je peux essayer de répondre :-) Je suis nul en informatique, mais j’ai une relative maîtrise des expressions rationnelles. Dans ton expression, tu as oublié de protéger le point et le trait d’union. Par ailleurs, on peut faire plus simple en utilsant \w. Essaie : [\w\.\-]+@[\w\.\-]{2,}\.[a-z]{2,4} Cela dit, il faut aussi parfois protéger les contre-obliques, en tout cas dans sed. Le plus « drôle », c’est que cela dépend aussi du shell utilisé. Thomas Savary Le Grand Plessis F-85340 L’Île-d’Olonne Tél. 06 22 82 61 34 www.correctionpro.fr www.compo85.fr Lundi 23 octobre 2017, à 01:19:46 CEST, ptilou a écrit : > Bonjour la liste, > > J'ai besoin de récupérer des adresses mail, j'utilise wget -m > http://mon_site_que_j'aime.fr Je me retrouve avec 5 go de donnée, quand > j'ouvre les pages à la mano sous LibreOffice, çà revoie à un > javascript:void(0); comme balise pour l'adresse mail. J'ai donc en ligne de > commande taper > $ find . -type f -print | xargs egrep -o > '[a-zA-Z0-9._-]+@[a-zA-Z0-9._-]{2,}\.[a-z]{2,4}' Voila les erreurs qui > apparaissent : > [...] > grep: paris: No such file or directory > grep: design: No such file or directory > grep: week.pdf: No such file or directory > grep: ./www..com/pics/contents/webzine/vs: No such file or directory > grep: a: No such file or directory > grep: glass: No such file or directory > > [...] > Je ne récupère que les adresses du Webmestre, donc comment récupérer > l'annuaire complet ? ( çà a mouliner toute la nuit et j'ai fait un Control > C pour arrêter ce matin ) > > Donc je sais pas si je n'ai pas télécharger les adresses, ou si c'est > l'expression régulière qui est erroné ? > > Merci de m’orienter vers un forum plus approprié si vous n'aviez pas la > solution ! > > Ptilou