Regex (TMS)

Le contenu est traduit de l’anglais par Phrase Language AI.

L'expression régulière (abrégée en regex ou regexp) est une séquence de caractères qui forme un motif de recherche principalement utilisé pour la correspondance de motifs avec des chaînes ou la correspondance de chaînes. La fonctionnalité est similaire aux opérations de chercher et remplacer avec plus de complexité et de spécificité ou comme méthode pour exclure un contenu défini. Voir l'entrée wikipedia pour une description détaillée des regex et un tableau des caractères utilisés.

Pour utiliser plusieurs regex à la fois, insérez un caractère de pipeline | entre elles.

Les regex peuvent être utilisées dans les champs de filtre, de recherche et de remplacement dans l'éditeur CAT, dans les champs source et cible de la fonction de recherche de contenu, pour la fonction Convertir en balises dans les paramètres d'importation de fichiers et pour personnaliser les règles de segmentation. Le convertisseur et l'éditeur de bureau CAT utilisent Java regex, tandis que l'éditeur web CAT et la recherche dans TMS utilisent le moteur Lucene regex.

Astuce

Les chatbots utilisant l'IA peuvent être très efficaces pour générer et vérifier les regex.

Utilisez des outils comme Regex101 pour tester les regex avec différentes entrées.

Important

Phrase prend en charge Java regex, mais rejettera les expressions régulières complexes pour protéger le système d'une surcharge. Les regex complexes sont celles avec des quantificateurs (sauf les possessifs) sur des groupes qui contiennent d'autres quantificateurs (sauf les possessifs).

Exemples généraux

Exemples pour convertir du texte en balises lors de l'importation de fichiers et en utilisant des regex dans l'éditeur de bureau pour les fonctions de filtrage et de recherche et remplacement :

Exemple	Description
<[^>]+>	représente <html_tag>
\{[^\}]+\}	représente {variable},
\[[^\]]+\]	représente [variable],
\[\[.+?\]\]	représente [[aa[11]bb]].
\$[^\$]+\$	représente $operator_Name1$.
\d+	représente des nombres. Aussi, [0-9]+
[A-Za-z0-9]	représente tout caractère alphanumérique.
.+\@.+\..+	adresse e-mail name@domain.com
\d{4}[-]\d{2}[-]\d{2}	la date 2018-08-01
\s$	un espace à la fin du segment
^\s	un espace au début du segment
\s\s	un double espace
^\d	un chiffre au début du segment
\w+\s\s\w+	un double espace entre les mots
\s\n	une nouvelle ligne précédée de tout caractère d'espace
\S\n	une nouvelle ligne précédée de tout caractère non-espace
<[^>]+>\|\$[^=]+=	convertit les variables php et le code html ($svariable['name'] = )
^\s*\'[^:]+:	convertit la clé de champ javascript avec des espaces ajoutés au début de la ligne ( 'key' :)
\{\{[^\}]+\}\}\|\'[^']+\'	ne traduit pas {{text here}} '{{text here}} contenu et le convertit en balises
\{\{[^\}]+\}\}	représente le texte entre les crochets {{}}
$[^$]+\)	représente le texte entre les crochets ()
\^[^\^]+\^	représente le texte entre les marques ^
\@[^\@]+\@	représente le texte entre les marques @
\^[^\^\?]+\?	représente le texte entre les marques ^ et ?
\'[^']+\'	représente le texte entre les apostrophes ' '
\"[^"]+\"	représente le texte entre les guillemets ""
\%[^\%]+\%	représente le texte entre les symboles %
\$\{[^}]*\}	représente le texte entre ${ et }, par exemple ${variable}
\$[a-zA-Z0-9\-_]+	représente une chaîne qui commence par $, par exemple $appName
(?<=\: ").*(?=")	représente le texte à l'intérieur des guillemets doubles après un deux-points et un espace, par exemple `valeur` dans la chaîne `"clé": "valeur"`
(?<=\: ').*(?=')	représente le texte à l'intérieur des guillemets simples après un deux-points et un espace, par exemple `JohnDoe` dans la chaîne `utilisateur: 'JohnDoe'`
(?<=\=).*(?=)	représente le texte après un signe égal et sans espace, par exemple clé=valeur
(.*)=	représente le texte avant un signe égal
=(.*)	représente le texte après un signe égal
\/\/\S*	représente des hyperliens. Aussi, https:\/\/\S*
</?mrk[^>]*>	représente les balises HTML/XML ouvertes et fermées `mrk`, par exemple <mrk id="abc"> et </mrk>

TXT Import

Remarque

Puisque les fichiers TXT dans TMS sont traités ligne par ligne, certaines expressions régulières qui fonctionnent dans d'autres environnements peuvent ne pas fonctionner comme prévu.

Exemples d'expressions régulières lors de l'importation d'un texte spécifique :

## MessageErreur ##1## Le nombre doit être supérieur à 0. ##Z##

Pour importer du texte entre ##1## et ##Z##, utilisez regex : (?<=##1## ).*(?= ##Z##)
MessageErreur ("Le nombre doit être supérieur à 0.")

Pour importer du texte entre (" et "), utilisez regex : (?<=$").*(?="$)
'messageErreur' = 'Le nombre doit être supérieur à 0.'

Pour importer du texte après le signe = et entre ' et ', utilisez regex : (?<=\= ').*(?=')
errorMessage = "ceci doit être traduit"

Pour importer du texte après le signe = et entre 'et', utilisez regex : (?<=\= ").*(?=")
msgstr ("Le nombre doit être supérieur à 0.")

Pour importer des chaînes msgstr dans des fichiers PO monolingues en utilisant un filtre TXT, utilisez regex : (?<=msgstr ").*(?=")
# Remarque : Ceci est une note

Pour exclure les lignes commençant par #, utilisez regex : (^[^#].*)
valeurs '126', 'DCeT', 'Texte (en)'

Pour importer uniquement le texte entre guillemets et avec (en), tel que Texte (en)', utilisez regex : (?<=')[^']*$en$(?=')

Importation JSON

Exemple de structure JSON :

{
"liste": {
        "id": "1",
        "value": "text 1 for translation."
        },
"texte": {
        "id": "2",
        "value": "text 2 for translation."
        },
"menu": {
        "id": "3",
        "value": "text 3 for translation."
         },"array": ["blue","green"],"arrays": [{        "color": "blue",        "title": "BLUE"
         },         {        "color": "green",        "title": "GREEN"         }    ]}

pour importer chaque valeur indépendamment du niveau, utilisez : (^|.*/)valeur
pour importer une seule valeur d'une liste, utilisez : liste/valeur
pour importer une valeur d'une liste et/ou d'un menu, utilisez l'opérateur | (OU) : liste/valeur|menu/valeur
pour importer uniquement la première instance d'une valeur d'un menu, utilisez : menu\[1\]/valeur
pour importer le contenu d'un tableau JSON suivant une certaine clé, utilisez : (^|.*/)tableau\[.*\]
pour importer le contenu d'un tableau spécifique d'objets, utilisez : (^|.*/)tableaux\[.*\].*

Importation YAML

Exemple de fichier YAML :

title: A
text: translate A
categories:
  title: B
  text: translate B
categories:
  title: C
  text: translate C
categories:
  content:
      title: D
      text: translate D

regex pour importer :

seulement 'traduire A' : texte
seulement 'traduire C' : catégories\[2\]/texte
seulement 'traduire D' : catégories\[\d+\]/contenu[\1\]/texte
tout le texte : texte|catégories\[\d+\]/texte|catégories\[\d+\]/contenu[\d+\]/texte

Règles de segmentation

Okapi, Java et Unicode sont utilisés pour les règles de segmentation dans les fichiers .SRX.

Utiliser des regex dans les fichiers .SRX est complexe et une connaissance de base de l'utilisation des expressions régulières est recommandée avant d'essayer de travailler avec elles.

Les règles Nobreak (abréviations, etc.) et les règles Break (fin de phrase avec un point, etc.) se trouvent dans les fichiers .SRX.

Exemple	Description
[\p{C}]	Caractère de contrôle invisible.
[\p{Z}]	Espace blanc
[\p{Lu}]	Une lettre majuscule qui a une variante minuscule.
[\p{N}]	Tout type de caractère numérique.
\Q ... \E	Début et fin d'une citation - (\QApprox.\E). Ceci est utilisé pour les abréviations.
\t	Tabulateur
\n	Nouvelle ligne
\u2029	Séparateur de paragraphe
\u200B	Espace de largeur nulle
\u3002	Point plein idéographique
\ufe52	Petit point plein
\uff0e	Point plein de largeur complète
\uff61	Point plein idéographique de largeur demi
\ufe56	Petit point d'interrogation
\uff1f	Point d'interrogation de largeur complète
\u203c	Double point d'exclamation
\u2048	Point d'interrogation d'exclamation
\u2762	Ornement de point d'exclamation lourd
\u2763	Ornement de point d'exclamation lourd en forme de cœur
\ufe57	Petit point d'exclamation
\uff01	Point d'exclamation en pleine largeur
`[\u0080-\uFFFF]+`	Caractères de la plage Unicode \u0080 à \uFFFF
`[\u00a8\u00b9\u00c4]+`	Une ou plusieurs occurrences des caractères Unicode spécifiés à l'intérieur des crochets, par exemple \u00a8 + \u00b9 + \u00c4

Vérifications QA personnalisées courantes

Contrôle QA	Expression régulière source	Expression régulière cible
Nombres supplémentaires dans la cible	`\d`	`\d`
Ordre des balises (non appariées, pour les segments avec 3 balises). Ajustez l'expression régulière en fonction du nombre requis de balises.	`^.\{1\}.\{2\}.\{3\}.$`	`^.\{1\}.\{2\}.\{3\}.$`
Ordre des balises (appariées, pour les segments avec 3 balises). Ajustez l'expression régulière en fonction du nombre requis de balises.	`^.\{1\>.\<1\}.\{2\>.\<2\}.\{3\>.\<3\}.*$`	`^.\{1\>.\<1\}.\{2\>.\<2\}.\{3\>.\<3\}.*$`
Espaces avant les balises	`\s(\{[1-9][0-9]\}\|\{[1-9][0-9]>\|<[1-9][0-9]*\}\|\{[biu_\^]{1,4}>\|<[biu_\^]{1,4}\})`	`\s(\{[1-9][0-9]\}\|\{[1-9][0-9]>\|<[1-9][0-9]*\}\|\{[biu_\^]{1,4}>\|<[biu_\^]{1,4}\})`
Espaces après les balises	`(\{[1-9][0-9]\}\|\{[1-9][0-9]>\|<[1-9][0-9]*\}\|\{[biu_\^]{1,4}>\|<[biu_\^]{1,4}\})\s`	`(\{[1-9][0-9]\}\|\{[1-9][0-9]>\|<[1-9][0-9]*\}\|\{[biu_\^]{1,4}>\|<[biu_\^]{1,4}\})\s`
Pas d'espace avant les balises	`\S(\{[1-9][0-9]\}\|\{[1-9][0-9]>\|<[1-9][0-9]*\}\|\{[biu_\^]{1,4}>\|<[biu_\^]{1,4}\})`	`\S(\{[1-9][0-9]\}\|\{[1-9][0-9]>\|<[1-9][0-9]*\}\|\{[biu_\^]{1,4}>\|<[biu_\^]{1,4}\})`
Caractères non blancs après les balises appariées	`((\{[1-9][0-9]>)\|(<[1-9][0-9]\}))\S`	`((\{[1-9][0-9]>)\|(<[1-9][0-9]\}))\S`
Crochets carrés manquants	`[^\[\]]\[[^\[\]]\][^\[\]]*`	`[^\[\]]\[[^\[\]]\][^\[\]]*`
Parenthèses rondes manquantes	`[^]$[^\($]\)[^]*`	`[^]$[^\($]\)[^]*`
Utilisez les expressions régulières suivantes pour vérifier le même nombre de nombres décimaux identiques, en utilisant le séparateur décimal spécifique à la langue appropriée.	`(?<;n1>;\d+)\.(?<;n2>;\d+)`	`(?<;n1>;\d+),(?<;n2>;\d+)`