Normalisation des chaînes

Nettoyer des données en Java

Dennis Lee

Software Engineer

Jeu de données d’inventaire

Travailler avec un jeu de données d’inventaire alimentaire tout au long du chapitre
Modifier certaines colonnes comme le nom du produit pour illustrer les transformations

Nom du produit	Catégorie	Statut	Date de réception	Quantité
Eggplant	Fruits et légumes	Arrêté	01/03/25	46
VEGETABLE OIL	Huiles et graisses	En rupture	01/04/25	51
Cheese	Produits laitiers	Actif	01/06/25	78
Fresh (Organic) Carrots	Fruits et légumes	Arrêté	01/05/25	51
Bell Pepper Fresh	Fruits et légumes	Actif	02/05/25	67

Pourquoi normaliser les chaînes

Chaînes désordonnées : l’ordinateur ne reconnaît pas le texte
Exemple : inventaire d’un magasin
Solution : normaliser les chaînes

String[] messyProducts = {
    "Eggplant ",              // Espace en trop à la fin
    "VEGETABLE OIL",          // Casse incohérente
    "Fresh (Organic) *Carrots*", // Caractères spéciaux
    "Bell   Pepper    Fresh",    // Espaces en trop entre les mots
};

Supprimer les espaces en début et fin

String[] products = {"Eggplant ", "  Vegetable Oil", " Cheese "};
for (String product : products) {
    String cleaned = product.trim(); // Supprime les espaces en début/fin
    System.out.println(cleaned);
}

Eggplant
Vegetable Oil
Cheese

Standardiser la casse du texte

List<String> products = Arrays.asList("Eggplant", "VEGETABLE OIL", "cheese");


products.stream()

        .map(String::toLowerCase) // Tout passer en minuscules

        .forEach(System.out::println); // Afficher chaque produit

eggplant
vegetable oil
cheese

Motifs regex

Expressions régulières (regex) : motifs spéciaux pour faire correspondre du texte$^1$
[^a-zA-Z\\s] : trouve tout caractère qui n’est pas une lettre ou un espace

// Ce motif correspond à tout caractère QUI N’EST PAS :
[       // Début d’un ensemble de caractères
^       // Négation — tout ce qui n’est pas dans cet ensemble
a-z     // toute lettre minuscule
A-Z     // toute lettre majuscule
\\s     // tout caractère d’espacement (\\ supplémentaire pour que Java interprète \\s)
]       // Fin de l’ensemble

¹ https://www.datacamp.com/cheat-sheet/regular-expresso

Nettoyer les caractères spéciaux

String dirtyName = "Fresh (Organic) *Carrots*"; // Caractères spéciaux : (, ), *


String cleaned = dirtyName.replaceAll("[^a-zA-Z\\s]", ""); // Supprimer les non‑lettres


System.out.println(cleaned); // Sortie : "Fresh Organic Carrots"

Fresh Organic Carrots

Nettoyer les espaces multiples

import java.util.regex.Pattern;

Pattern pattern = Pattern.compile("\\s+"); // Correspond à plusieurs espaces


String messyProduct = "Bell   Pepper    Fresh"; // Contient des espaces en trop
// Remplacer les espaces multiples par un seul
String cleanedProduct = pattern.matcher(messyProduct).replaceAll(" ");


System.out.println(cleanedProduct);

Bell Pepper Fresh

Tout combiner

List<String> messyProducts = Arrays.asList(
        "Eggplant ", "VEGETABLE OIL",
        "Fresh (Organic) *Carrots*", "Bell   Pepper    Fresh"
); // Noms produits extraits de notre jeu de données d’inventaire

messyProducts.stream()
        .map(s -> s.trim()                       // Corriger espaces externes
                .replaceAll("[^a-zA-Z\\s]", "")  // Supprimer caractères spéciaux
                .replaceAll("\\s+", " ")         // Corriger espaces internes
                .toLowerCase())                  // Standardiser la casse
        .forEach(System.out::println);

Tout combiner : sorties

eggplant
vegetable oil
fresh organic carrots
bell pepper fresh

Passons à la pratique !

Nettoyer des données en Java