Python Regex expliqué : Modèles, groupes, anticipations et pièges, testés
Les expressions régulières recherchent, extraient et réécrivent du texte à l’aide de modèles compacts. Apprenez les fonctions d’expression régulière Python que vous utiliserez quotidiennement, le fonctionnement des groupes et des anticipations, ainsi que les pièges qui rendent les modèles erronés ou dangereusement lents, à chaque exécution d’exemple.
- L’expression régulière Python réside dans le module intégré
re. Écrivez toujours les modèles sous forme de chaînes brutes :r"\d+". searchtrouve une correspondance n’importe où ;matchseulement au début ;fullmatchnécessite la chaîne entière.- Utilisez des groupes nommés pour une extraction lisible et des quantificateurs paresseux (
+?) pour éviter une correspondance excessive. - Les quantificateurs imbriqués comme
(a+)+peuvent geler votre programme. Lors de notre test, l’ajout de deux caractères a rendu une vérification environ quatre fois plus lente.
Vous disposez d’un fichier journal et vous avez besoin de chaque numéro de commande, de chaque adresse e-mail et de chaque date. Fendre les cordes à la main devient vite un véritable désastre. Python regex, abréviation d’expressions régulières, décrit la forme du texte souhaité, par exemple “un hachage suivi de chiffres”, et laisse le module re le trouver pour vous.
Nous avons exécuté chaque modèle ci-dessous avec Python 3.13 sur cet exemple de texte, et les résultats affichés proviennent de cette exécution :
text = ("Order #101 by asha@example.com on 2026-11-11 for Rs 1,180.50; "
"order #102 by ben.k@shop.co.in on 2026-11-12 for Rs 300.")
Qu’est-ce qu’une expression régulière ?
Une expression régulière est un petit langage de modèle pour le texte. Les caractères ordinaires se correspondent et les caractères spéciaux décrivent les classes, les répétitions et les positions. \d signifie un chiffre, + signifie « un ou plusieurs », donc \d+ correspond à une série de chiffres. Regex est pris en charge dans presque tous les langages, éditeurs et bases de données, donc le temps que vous passez à l’apprendre rapporte bien au-delà de Python.
Utilisez toujours des chaînes brutes
Regex utilise beaucoup les barres obliques inverses, tout comme les chaînes Python. Dans une chaîne normale, "\b" est un caractère de retour arrière, ce que nous avons confirmé : Python l’a montré comme '\x08'. En regex, \b signifie une limite de mot. L’écriture du motif sous forme de chaîne brute, r"\b", laisse passer la barre oblique inverse intacte. Faites de r"..." une habitude pour chaque modèle, et de nombreux bugs déroutants ne se produiront jamais.
recherche, correspondance et correspondance complète
import re
re.search(r"#(\d+)", text).group(1) # '101'
re.match(r"#\d+", text) # None
bool(re.fullmatch(r"\d{4}-\d{2}-\d{2}", "2026-11-11")) # True
search analyse la chaîne entière et renvoie la première correspondance. match ne vérifie que le début, c’est pourquoi il a renvoyé None : notre texte commence par “Ordre”, et non par “#”. fullmatch exige que le modèle couvre la totalité de la chaîne, ce que vous souhaitez pour la validation, par exemple vérifier qu’un champ est une date et rien d’autre. Tous les trois renvoient un objet de correspondance ou None, alors vérifiez avant d’appeler .group().
findall et finditer
re.findall(r"#(\d+)", text) # ['101', '102']
re.findall(r"\d{4}-\d{2}-\d{2}", text) # ['2026-11-11', '2026-11-12']
re.findall(r"[\w.+-]+@[\w-]+(?:\.[\w-]+)+", text)
# ['asha@example.com', 'ben.k@shop.co.in']
findall renvoie toutes les correspondances sous forme de liste. Regardez comment les groupes modifient le résultat : avec un groupe, il renvoie le texte du groupe, et avec deux groupes, il renvoie les tuples :
re.findall(r"#(\d+) by (\S+)", text)
# [('101', 'asha@example.com'), ('102', 'ben.k@shop.co.in')]
Pour les textes volumineux, re.finditer génère les objets de correspondance un par un, ce qui économise de la mémoire et donne accès aux positions et aux groupes nommés.
Aide-mémoire sur la syntaxe de base
| Modèle | Matchs |
|---|---|
. |
N’importe quel caractère sauf la nouvelle ligne |
\d, \w, \s |
Chiffre, caractère de mot, espace |
\D, \W, \S |
Le contraire de chacun |
[abc], [^abc] |
Un élément d’un ensemble, ou tout ce qui n’y figure pas |
*, +, ? |
0 ou plus, 1 ou plus, 0 ou 1 |
{3}, {2,5} |
Exactement 3, entre 2 et 5 |
^, $ |
Début et fin de la chaîne (ou de la ligne avec MULTILINE) |
\b |
Limite de mots |
un|b |
Soit a soit b |
( ), (?: ) |
Groupe capturant, groupe non capturant |
Groupes et groupes nommés
m = re.search(r"(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})", text)
m.groupdict() # {'year': '2026', 'month': '11', 'day': '11'}
m.group(0) # '2026-11-11'
Les groupes nommés, (?P<name>...), rendent le code d’extraction explicite : m["year"] se lit bien mieux que m.group(1), et l’ajout d’un groupe plus tard ne modifie pas les nombres. Le groupe 0 représente toujours l’intégralité du match. Un groupe sans capture, (?:...), regroupe des parties du motif pour la répétition ou l’alternance sans ajouter aux résultats, ce qui maintient la sortie findall propre.
Quantificateurs gourmands ou paresseux
re.findall(r"<.+>", "<b>bold</b> and <i>it</i>")
# ['<b>bold</b> and <i>it</i>']
re.findall(r"<.+?>", "<b>bold</b> and <i>it</i>")
# ['<b>', '</b>', '<i>', '</i>']
Les quantificateurs sont gourmands par défaut : .+ a tout récupéré du premier < au tout dernier >. Ajouter ? les rend paresseux, donc ils s’arrêtent à la première fin possible. Mieux encore, soyez précis : <[^>]+> dit “n’importe quoi sauf une parenthèse fermante”, ce qui est à la fois plus clair et plus rapide. (Pour du vrai HTML, utilisez un analyseur approprié ; ceci n’est qu’une démonstration.)
sous et divisé
re.sub(r"(\d{4})-(\d{2})-(\d{2})", r"\3/\2/\1", "2026-11-11") # '11/11/2026'
re.sub(r"\d+", lambda m: str(int(m.group()) * 2), "3 pens, 4 books") # '6 pens, 8 books'
re.split(r"\s*[,;]\s*", "pen, book;ink , lamp") # ['pen', 'book', 'ink', 'lamp']
sub remplace les correspondances, et le remplacement peut faire référence à des groupes avec \1 ou \g<name>. Passer une fonction au lieu d’une chaîne vous permet de calculer chaque remplacement. split gère les séparateurs compliqués que str.split ne peut pas, comme les virgules et les points-virgules mixtes avec des espaces inégaux.
Anticipation et rétrospective
Les lookarounds vérifient ce qui se passe avant ou après une position sans l’inclure dans le match. Une utilisation classique est celle des règles de mot de passe, où plusieurs conditions doivent toutes être vraies :
pw = re.compile(r"^(?=.*[A-Z])(?=.*\d)(?=.*[^\w\s]).{8,}$")
'password' False
'Passw0rd' False # no symbol
'Passw0rd!' True
'P0!a' False # too short
Chaque (?=...) est une anticipation positive qui vérifie une règle depuis le début de la chaîne. Un lookbehind, (?<=...), vérifie ce qui précède :
re.findall(r"(?<=Rs )[\d,.]+\d", text) # ['1,180.50', '300']
Cela a extrait les montants sans le préfixe “Rs”. Les versions négatives, (?!...) et (?<!...), affirment que quelque chose ne ne suit pas ou ne précède pas. Les lookbehinds de Python doivent avoir une largeur fixe, donc les modèles comme (?<=\d+) sont rejetés. Pour les politiques de mot de passe complexes, des vérifications distinctes en code brut sont souvent plus faciles à lire et donnent des messages d’erreur utiles.
Drapeaux
| Drapeau | Effet | Notre résultat |
|---|---|---|
re.I |
Ignorer le cas | Trouvé à la fois « Commande » et « commande » |
re.M |
^ et $ correspondent à chaque ligne |
2 matchs avec, 1 sans |
re.S |
. correspond également à la nouvelle ligne |
a.b correspondait à “a\nb” uniquement avec lui |
re.X |
Autoriser les espaces et les commentaires | Modèles multilignes lisibles |
re.A |
ASCII uniquement \d, \w, \s |
Voir la rubrique suivante |
verbose = re.compile(r"""
(?P<user>[\w.+-]+) # user part
@
(?P<domain>[\w.-]+) # domain
""", re.X)
verbose.search("mail asha@example.com now").groupdict()
# {'user': 'asha', 'domain': 'example.com'}
Le mode verbeux transforme une phrase énigmatique en quelque chose qu’un coéquipier peut réviser. Utilisez-le pour tout motif de plus d’une vingtaine de caractères.
Des surprises Unicode
bool(re.fullmatch(r"\d", "५")) # True (Devanagari digit five)
bool(re.fullmatch(r"\d", "५", re.A)) # False
Dans Python 3, \d correspond à n’importe quel chiffre décimal Unicode, pas seulement 0 à 9. Cela est utile pour le texte international, mais si une valeur entrera plus tard dans int(), une base de données ou une API qui attend des chiffres ASCII, un modèle qui a « validé » l’entrée peut laisser passer des caractères qui interrompent l’étape suivante. Utilisez [0-9] ou l’indicateur re.A lorsque vous parlez de chiffres ASCII. Nous avons rencontré un bug connexe dans notre article sur les tests basés sur les propriétés, où un chiffre en exposant cassait un analyseur.
Astuce : Compilez les modèles que vous réutilisez avec re.compile() et donnez-leur des noms descriptifs, tels que ORDER_ID = re.compile(r"#(\d+)"). Python met de toute façon en cache les modèles récents, le principal avantage est donc la lisibilité et la disponibilité d’une définition testée.
Retour en arrière catastrophique
Certains modèles prennent un temps exponentiel sur des entrées qui correspondent presque. Nous avons testé un exemple classique, ^(a+)+$, avec des chaînes de a se terminant par “b” :
n=16 0.002s
n=20 0.037s
n=22 0.154s
safe pattern ^a+$, n=22: 0.000004s
Chaque caractère supplémentaire doublait à peu près le temps, car le moteur essayait par tous les moyens de diviser les a entre les groupes internes et externes avant d’abandonner. À ce rythme, 30 caractères prendraient des dizaines de secondes et quelques minutes supplémentaires. Si les utilisateurs contrôlent l’entrée, cela devient un risque de déni de service appelé ReDoS. Évitez les quantificateurs imbriqués sur les mêmes caractères, préférez des classes de caractères spécifiques, limitez la longueur d’entrée avant la correspondance et testez les modèles avec de longues entrées quasi-accidentées.
Tester vos modèles
Regex est du code, alors testez-le. Écrivez un petit tableau de chaînes qui doivent correspondre et de chaînes qui ne doivent pas correspondre, y compris les chaînes vides, les chaînes très longues, Unicode et les quasi-accidents, et exécutez-le avec des tests paramétrés pytest. Les cas extrêmes sont ceux où se cachent les bugs d’expression régulière : un modèle de courrier électronique qui rejette les signes plus, un modèle de date qui accepte le mois 13 ou un modèle de téléphone qui manque des espaces.
Quand ne pas utiliser les expressions régulières
- Contrôles simples :
"@" in s,s.startswith("INV-")ets.split(",")sont plus clairs et plus rapides. - Formats structurés : utilisent de vrais analyseurs pour HTML, XML, JSON, CSV et URL.
- Dates : l’expression régulière peut vérifier une forme, mais utilisez
datetime.strptimepour vérifier qu’une date existe réellement. - E-mails : un modèle simple détecte les fautes de frappe ; seul un e-mail de confirmation prouve qu’une adresse fonctionne.
Pour conclure
Python regex est un outil précis pour les textes désordonnés. Utilisez des chaînes brutes, choisissez délibérément search, match ou fullmatch, nommez vos groupes, préférez les modèles paresseux ou spécifiques aux modèles gourmands et écrivez de longs modèles en mode verbeux. Testez-les ensuite avec des entrées délicates, notamment Unicode et de longs quasi-accidents, afin qu’un modèle ne vous surprenne jamais en production.
Questions fréquentes
Quelle est la différence entre re.search et re.match ?
re.search trouve la première correspondance n’importe où dans la chaîne. re.match ne correspond qu’au début. Lors de notre test, match n’a renvoyé aucun car le texte ne commençait pas par le modèle.
Pourquoi devrais-je utiliser des chaînes brutes pour les expressions régulières en Python ?
Les chaînes brutes conservent les barres obliques inverses telles que saisies. Dans une chaîne normale, “\b” devient un caractère de retour arrière au lieu de la limite du mot regex.
Qu’est-ce qu’un match non gourmand ou paresseux ?
Ajouter ? après un quantificateur, comme dans .+?, le fait correspondre le moins possible. Cela a empêché notre modèle de balise d’avaler toute la ligne.
Comment fonctionnent les groupes nommés dans les expressions régulières Python ?
Écrivez (?P<name>pattern), puis lisez la valeur avec match[“name”] ou match.groupdict(). Les noms facilitent la lecture et la maintenance du code d’extraction.
Pourquoi ma regex est-elle si lente ?
Les quantificateurs imbriqués tels que (a+)+ peuvent provoquer un retour en arrière catastrophique, où le temps augmente de façon exponentielle sur une entrée presque correspondante. Réécrivez le modèle et limitez la longueur d’entrée.
Continuez à apprendre
Besoin d’aide pour les tests, WordPress ou le référencement ?
Nous aidons les équipes à proposer de meilleurs logiciels et à développer leurs sites. Dites-nous sur quoi vous travaillez et nous vous proposerons une prochaine étape claire.
Plus de guides sur tests, IA et développement moderne
Vous avez apprécié cet article ? Choisissez un sujet et accédez directement à nos nouveaux didacticiels.
Stratégies de fragmentation RAG expliquées : fixe, chevauchement, phrase, récursif et en-têtes, mesurés
Stratégies de segmentation RAG comparées sur un document avec tiktoken 0.14 : taille fixe, chevauchement, regroupement de phrases, fractionnement ré…
Lire l'article →Développement logicielL'idempotence de l'API expliquée : clés d'idempotence et tentatives sécurisées, testées
L'idempotence de l'API expliquée avec un serveur et un client Python que nous avons exécutés : une réponse perdue provoquait une double charge sans …
Lire l'article →DevOpsGit Stash expliqué : enregistrer, appliquer, afficher et fichiers non suivis, testé
Git stash expliqué avec les commandes que nous avons exécutées sur Git 2.56 : pousser avec un message, fichiers non suivis, lister et afficher, appl…
Lire l'article →Tests logicielsExplication des tests par paires : comment toutes les paires réduisent 216 tests à 13, testé
Tests par paires expliqués avec un générateur que nous avons exécuté dans Python 3.13 : une vérification avec 216 combinaisons couvertes par 13 test…
Lire l'article →Automatisation des testsExplication des doubles de test : factice, stub, espion, simulé et faux, avec du code Python testé
Les tests doubles sont expliqués avec un exemple Python exécuté dans pytest 9.2 : factice, stub, espion, simulé et faux, quand les utiliser, les vér…
Lire l'article →Bases de données et SQLSQL COALESCE expliqué : valeurs par défaut, NULLIF, IFNULL vs ISNULL et Traps, testées
SQL COALESCE expliqué avec les requêtes que nous avons exécutées dans SQLite 3.50 : premières valeurs non nulles, chaînes vides, NULL en mathématiqu…
Lire l'article →Bases de données et SQLSQL Self Join expliqué : employé-manager, comparaisons de paires et de lignes, testés
L'auto-jointure SQL expliquée avec les requêtes que nous avons exécutées dans SQLite 3.50 : employé et manager, gagnant plus que le manager, paires …
Lire l'article →Développement logicielExplication de l'opérateur de propagation JavaScript : propagation vs repos, copies et pièges, testé
L'opérateur de propagation JavaScript expliqué avec le code que nous avons exécuté sur le nœud 24 : tableaux, objets, copies superficielles, paramèt…
Lire l'article →Développement logicielModule de collections Python expliqué : compteur, defaultdict, deque et plus, testé
Les collections Python expliquées avec le code que nous avons exécuté sur Python 3.13 : Counter, defaultdict, deque, approvedtuple, OrderedDict et C…
Lire l'article →Intelligence artificielleFenêtre contextuelle LLM expliquée : jetons, limites et comment en adapter davantage, mesurés
La fenêtre contextuelle LLM expliquée avec le nombre de jetons que nous avons mesurés à l'aide de tiktoken : mots par rapport aux jetons pour la pro…
Lire l'article →Développement logicielLes webhooks expliqués : comment ils fonctionnent et comment les recevoir en toute sécurité
Webhooks expliqués avec un récepteur et un expéditeur que nous avons exécutés en Python : push vs polling, signatures HMAC-SHA256, rejet des requête…
Lire l'article →DevOpsGit Cherry-Pick expliqué : copiez le commit dont vous avez besoin, en toute sécurité et testé
Git Cherry-pick expliqué avec les commandes que nous avons exécutées dans Git 2.56 : copie d'un correctif dans une branche de version, nouveaux hach…
Lire l'article →Automatisation des testsLes tests instantanés expliqués : comment cela fonctionne, quand cela aide et quand cela fait mal
Les tests d'instantanés expliqués avec une démo pytest et sirupeuse que nous avons exécutée : création d'instantanés, lecture de la différence après…
Lire l'article →Tests logicielsTests de mutation expliqués : pourquoi une couverture à 100 % n'a toujours pas détecté notre bug
Les tests de mutation expliqués avec un petit outil de mutation que nous avons construit et exécuté : 14 mutants, une suite de tests avec une couver…
Lire l'article →Intelligence artificielleL'injection rapide expliquée : comment les applications d'IA sont trompées et comment les défendre
L'injection rapide expliquée aux constructeurs : attaques directes et indirectes, pourquoi les filtres de mots clés échouent (notre test a bloqué 1 …
Lire l'article →DevOpsEnregistrements DNS expliqués : A, AAAA, CNAME, MX, TXT et TTL avec de vraies recherches
Enregistrements DNS expliqués avec les recherches que nous avons effectuées : fonctionnement de la résolution, A et AAAA, règles CNAME, MX et null M…
Lire l'article →DevOpsExplication des indicateurs de fonctionnalités : versions sécurisées, déploiements progressifs et hygiène des indicateurs
Les indicateurs de fonctionnalités expliqués avec une simulation de déploiement que nous avons exécutée : types d'indicateurs, déploiements en pourc…
Lire l'article →Automatisation des testsGénération de données de test avec Python Faker : données réalistes, reproductibles et sûres
Testez la génération de données avec Python Faker, exécutez et mesurez : amorçage de données répétables, paramètres régionaux, valeurs uniques, enre…
Lire l'article →Tests logicielsExplication des tests Shift-Left : recherchez les bugs plus tôt sans ralentir l'équipe
Les tests Shift-Left ont expliqué : ce que cela signifie, pourquoi les premiers défauts sont moins chers, les pratiques allant de l'examen des exige…
Lire l'article →Bases de données et SQLFonctions de chaîne SQL expliquées : TRIM, SUBSTR, REPLACE, CONCAT et nettoyage des données
Fonctions de chaîne SQL expliquées avec les requêtes que nous avons exécutées : concaténation et NULL, TRIM, UPPER et LOWER, SUBSTR et INSTR, REPLAC…
Lire l'article →Bases de données et SQLDéclencheurs SQL expliqués : déclencheurs AVANT et APRÈS, journaux d'audit et pièges
Déclencheurs SQL expliqués avec les déclencheurs que nous avons exécutés : AVANT ou APRÈS, ANCIEN et NOUVEAU, journaux d'audit, validation, mises à …
Lire l'article →Développement logicielModule Python JSON expliqué : vidages, chargements, types personnalisés et erreurs courantes
Le module Python JSON expliqué avec le code que nous avons exécuté : dumps et chargements, fichiers, conversions de types, dates et décimales, encod…
Lire l'article →Développement logicielModules ES vs CommonJS : fonctionnement des importations JavaScript dans Node.js, testé
Les modules ES et CommonJS expliqués avec le code que nous avons exécuté dans Node.js : syntaxe d'importation et d'exportation, exigences, liaisons …
Lire l'article →Développement logicielPython Regex expliqué : modèles, groupes, anticipations et pièges, testés
L'expression régulière Python expliquée avec les modèles que nous avons exécutés : recherche contre correspondance, recherche tout, groupes et group…
Lire l'article →Intelligence artificielleExplication de la sortie structurée LLM : obtenir un JSON fiable à partir de modèles d'IA
Sortie structurée LLM expliquée avec la validation que nous avons exécutée dans Pydantic : mode et schémas JSON, décodage contraint, façons dont les…
Lire l'article →DevOpsClés SSH expliquées : comment elles fonctionnent, ssh-keygen, Ed25519 et habitudes sûres
Clés SSH expliquées avec les clés que nous avons générées : clés publiques ou privées, ssh-keygen, Ed25519 vs RSA, empreintes digitales, phrases sec…
Lire l'article →DevOpsLa mise en cache HTTP expliquée : Cache-Control, ETag et 304 réponses, avec un test en direct
La mise en cache HTTP expliquée avec un petit serveur que nous avons exécuté : directives Cache-Control, max-age, no-cache vs no-store, revalidation…
Lire l'article →Automatisation des testsExplication des tests des contrats API : détectez les modifications majeures avant leur expédition
Les tests de contrat API ont été expliqués à l'aide d'une vérification de schéma que nous avons effectuée : ce qu'est un contrat, les contrats axés …
Lire l'article →Tests logicielsExplication des tests basés sur les risques : évaluez les risques, créez une matrice et testez ce qui compte
Les tests basés sur les risques sont expliqués étape par étape : identification des risques, notation de la probabilité et de l'impact, création d'u…
Lire l'article →Bases de données et SQLContraintes SQL expliquées : NOT NULL, UNIQUE, CHECK et FOREIGN KEY, testées
Les contraintes SQL expliquées avec les tests que nous avons exécutés : NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY et FOREIGN KEY, les failles NULL, …
Lire l'article →Bases de données et SQLFonctions de date SQL expliquées : ajout, comparaison et regroupement de dates sans bugs
Fonctions de date SQL expliquées avec les requêtes que nous avons exécutées : ajout d'intervalles, surprises de fin de mois, différences de dates, p…
Lire l'article →Développement logicielPython asyncio expliqué : asynchrone, attendre, rassembler et TaskGroup avec des timings réels
Python asyncio expliqué avec le code que nous avons chronométré : coroutines, wait, collect, TaskGroup, gestion des erreurs, délais d'attente, limit…
Lire l'article →Développement logicielDebounce vs Throttle en JavaScript : comment ils fonctionnent, quand les utiliser, testés
Debounce vs throttle en JavaScript expliqué avec les timings que nous avons mesurés dans Node.js : comment chacun fonctionne, implémentations simple…
Lire l'article →Développement logicielLes gestionnaires de contexte Python expliqués : l'instruction with, contextlib et les utilisations réelles
Les gestionnaires de contexte Python ont expliqué avec le code que nous avons exécuté : comment cela fonctionne, __enter__ et __exit__, contextlib.c…
Lire l'article →Intelligence artificielleTempérature LLM et Top-p expliqués : comment les modèles d'IA choisissent leur prochain mot
La température LLM et le top-p expliqués à l'aide d'une simulation que nous avons exécutée : comment les probabilités sont remodelées, ce que conser…
Lire l'article →DevOpsYAML expliqué : syntaxe, problème norvégien et autres pièges que nous avons testés
YAML expliqué avec un test d'analyseur : syntaxe de base, listes et cartes, le problème de la Norvège, les versions se transformant en flottants, co…
Lire l'article →DevOpsLes tâches Cron expliquées : syntaxe, horaires réels et erreurs qui les interrompent
Les tâches Cron expliquées avec les plannings que nous avons vérifiés : les cinq champs, les opérateurs, des exemples réels, le piège du jour du moi…
Lire l'article →Intelligence artificielleLes hallucinations de l'IA expliquées : pourquoi les modèles de langage inventent les choses et comment les réduire
Les hallucinations de l'IA ont expliqué : ce qu'elles sont, pourquoi les modèles de langage les produisent, les types courants, comment les réduire …
Lire l'article →DevOpsVariables d'environnement expliquées : fichiers .env, secrets et configuration correctement effectués
Variables d'environnement expliquées avec des exemples Python que nous avons exécutés : lecture et définition, pourquoi chaque valeur est une chaîne…
Lire l'article →Développement logicielLimitation du débit de l'API expliquée : algorithmes, en-têtes et gestion des erreurs 429
Limitation du débit de l'API expliquée avec une simulation que nous avons exécutée : compartiment de jetons, fenêtre fixe, fenêtre glissante, 429 ré…
Lire l'article →Automatisation des testsSe moquer en Python : unittest.mock, patch et les erreurs qui font mentir les tests
Moquerie en Python avec unittest.mock, testée : Mock et return_value, side_effect, correctifs où un nom est utilisé, spec et autospec, dates moqueus…
Lire l'article →Tests logicielsCouverture du code expliquée : couverture des lignes par rapport aux branches et ce que signifie réellement 100 %
Couverture du code expliquée avec une véritable exécution de cover.py : couverture des lignes, des branches et des conditions, lecture d'un rapport,…
Lire l'article →Bases de données et SQLDELETE vs TRUNCATE vs DROP dans SQL : différences, restauration et quand les utiliser
DELETE vs TRUNCATE vs DROP expliqué avec SQL testé : ce que chacun supprime, restauration, déclencheurs, réinitialisation d'identité, vitesse et en …
Lire l'article →Bases de données et SQLVues SQL expliquées : créez, utilisez et évitez les pièges, avec des exemples
Vues SQL expliquées avec les requêtes que nous avons exécutées : création d'une vue, résultats en direct, masquage des colonnes, performances, vues …
Lire l'article →Développement logicielInterface TypeScript vs Type : différences réelles, testées avec le compilateur
Interface TypeScript vs type, vérifiée avec le vrai compilateur : ce que les deux peuvent faire, ce qu'un seul peut faire, la fusion des déclaration…
Lire l'article →Développement logicielPython *args et **kwargs expliqués : fonctions flexibles avec des exemples clairs
Python *args et **kwargs expliqués avec le code que nous avons exécuté : emballage et déballage, ordre des paramètres, arguments de mot-clé uniqueme…
Lire l'article →Développement logicielFonctions Python Lambda : syntaxe, utilisations réelles et quand ne pas les utiliser
Fonctions Python lambda expliquées avec le code que nous avons exécuté : syntaxe, tri avec clé, carte et filtre, fermetures, piège de liaison tardiv…
Lire l'article →Intelligence artificielleQue sont les agents IA ? Comment ils fonctionnent, avec une simple boucle d'agent que vous pouvez exécuter
Que sont les agents IA ? Un guide simple sur la boucle d'agent, les outils, la mémoire et les garde-fous, avec une petite boucle Python que nous avo…
Lire l'article →DevOpsSurveillance vs observabilité : la vraie différence, avec les journaux, les métriques et les traces
Surveillance et observabilité expliquées : échecs connus et inconnus, journaux, métriques et traces, présentation pas à pas des incidents de paiemen…
Lire l'article →DevOpsVolumes Docker vs montages Bind : conserver les données du conteneur de la bonne manière
Volumes Docker et montages de liaison expliqués : pourquoi les données du conteneur disparaissent, volumes nommés, montages de liaison, tmpfs, exemp…
Lire l'article →Automatisation des testsTDD vs BDD : principales différences, une fonctionnalité conçue dans les deux sens et quand les utiliser
TDD vs BDD expliqué avec une fonctionnalité de remise construite dans les deux sens : refactor rouge-vert avec le code que nous avons exécuté, scéna…
Lire l'article →Tests logicielsTests d'acceptation utilisateur (UAT) : processus, liste de contrôle et exemples réels
Les tests d'acceptation des utilisateurs sont expliqués : qui les exécute, en quoi ils diffèrent du contrôle qualité, un processus en sept étapes, u…
Lire l'article →Bases de données et SQLExplication des valeurs SQL NULL : IS NULL, COALESCE, NULLIF et les pièges à éviter
Les valeurs SQL NULL expliquées avec les requêtes que nous avons exécutées : logique à trois valeurs, IS NULL, COALESCE, NULLIF, comment les agrégat…
Lire l'article →Bases de données et SQLInstruction SQL CASE WHEN : syntaxe, exemples réels et erreurs courantes
SQL CASE WHEN expliqué avec les requêtes que nous avons exécutées : formulaires simples et recherchés, ordre des conditions, pivots avec SUM, astuce…
Lire l'article →Développement logicielQu'est-ce que JWT ? Les jetons Web JSON expliqués avec un exemple fonctionnel
Qu’est-ce que JWT ? JSON Web Tokens expliqué : les trois parties, un jeton construit et falsifié dans le code que nous avons exécuté, JWT vs session…
Lire l'article →Développement logicielBoucle d'événements JavaScript expliquée : pile d'appels, microtâches et minuteries avec des exemples
La boucle d'événements JavaScript expliquée avec le code que nous avons exécuté : pile d'appels, files d'attente de tâches et de microtâches, pourqu…
Lire l'article →Développement logicielGénérateurs Python et rendement expliqués : économisez de la mémoire avec des exemples réels
Les générateurs Python et le rendement expliqués avec le code que nous avons exécuté : comment ils s'arrêtent et reprennent, les économies de mémoir…
Lire l'article →Intelligence artificielleQue sont les intégrations ? Vecteurs et similarité cosinus expliqués simplement
Que sont les intégrations ? Un guide en langage simple sur les vecteurs, la similarité cosinus et la recherche sémantique, avec un petit exemple que…
Lire l'article →DevOpsDéploiement Bleu-Vert vs Canary : différences, compromis et comment choisir
Explication du déploiement bleu-vert ou canari : comment chacun fonctionne, coût, risque et restauration, regroupement d'utilisateurs stable que nou…
Lire l'article →Automatisation des testsTests instables : quelles sont leurs causes et comment les corriger définitivement
Des tests irréguliers expliqués avec des démos que nous avons exécutées : les principales causes, comment en confirmer et en diagnostiquer une, les …
Lire l'article →Tests logicielsTests de charge vs tests de contrainte : différences, métriques et exemples k6
Explication des tests de charge et des tests de stress : ce que chacun prouve, les tests de pointe et de trempage, les métriques qui comptent, pourq…
Lire l'article →Tests logicielsScénario de test et scénario de test : principales différences, exemples et quand les utiliser
Scénario de test et scénario de test expliqués : des définitions claires, un tableau côte à côte, une fonctionnalité de réinitialisation de mot de p…
Lire l'article →Bases de données et SQLOptimisation des requêtes SQL : lire les plans d'exécution et corriger les requêtes lentes, avec des délais
Optimisation des requêtes SQL testée sur un million de lignes : lire les plans d'exécution, ajouter les bons index, corriger les filtres non Sargabl…
Lire l'article →Bases de données et SQLSQL UNION vs UNION ALL : différences, exemples et performances testées
SQL UNION vs UNION ALL expliqué avec les requêtes que nous avons exécutées : des doublons, les règles suivent toutes les deux, un véritable bug de d…
Lire l'article →Développement logicielTutoriel API JavaScript Fetch : GET, POST, gestion des erreurs et délais d'attente
Un didacticiel de l'API JavaScript Fetch testé sur un serveur local : GET et POST, pourquoi 404 ne lance pas, un assistant réutilisable, des chaînes…
Lire l'article →Développement logicielGestion des fichiers Python : lecture, écriture, CSV, JSON et pathlib avec exemples
Gestion des fichiers Python expliquée avec le code que nous avons exécuté : modes ouverts, avec lecture de fichiers volumineux, CSV, JSON, pathlib, …
Lire l'article →Développement logicielClasses et objets Python : didacticiel POO avec des exemples réels
Classes et objets Python expliqués avec le code que nous avons exécuté : __init__, méthodes, attributs de classe par rapport à l'instance, héritage,…
Lire l'article →Intelligence artificielleQu'est-ce qu'un grand modèle de langage ? Comment fonctionnent les LLM, expliqués sans battage médiatique
Qu’est-ce qu’un grand modèle de langage ? Les LLM expliqués en langage simple : jetons, intégrations, attention, formation, fenêtres de température …
Lire l'article →DevOpsCommandes Linux pour les débutants : le guide du terminal essentiel avec des exemples
Commandes Linux pour débutants, regroupées par tâche : navigation, fichiers, affichage des journaux, grep, tuyaux, autorisations, processus et archi…
Lire l'article →Automatisation des testsSelenium vs Playwright : principales différences, code comparé et lequel choisir
Comparatif Selenium vs Playwright : architecture, attente, support du navigateur et du langage, débogage, même test dans les deux outils, conseils d…
Lire l'article →Tests logicielsPartitionnement d'équivalence : technique de conception de tests expliquée avec des exemples concrets
Le partitionnement d'équivalence expliqué : comment trouver des partitions valides et invalides, des exemples concrets d'âges, de mots de passe et d…
Lire l'article →Tests logicielsGravité vs priorité dans les tests logiciels : différences, matrice et exemples réels
Explication de la gravité et de la priorité dans les tests logiciels : des définitions claires, une matrice à quatre voies avec des exemples, des éc…
Lire l'article →Bases de données et SQLTutoriel sur les sous-requêtes SQL : types, sous-requêtes corrélées et EXISTE avec des exemples
Un didacticiel sur les sous-requêtes SQL avec les requêtes que nous avons exécutées : les sous-requêtes scalaires, IN, FROM et SELECT, les sous-requ…
Lire l'article →Bases de données et SQLTransactions SQL et ACID expliquées : COMMIT, ROLLBACK et niveaux d'isolement
Transactions SQL et ACID expliquées avec un virement bancaire que nous avons effectué : COMMIT, ROLLBACK, points de sauvegarde, verrous, niveaux d'i…
Lire l'article →Développement logicielAide-mémoire sur les commandes Git : les commandes que vous utilisez réellement, avec des exemples
Une aide-mémoire sur les commandes Git regroupées par tâche : configuration, transfert, branches, télécommandes, cache, historique et annulation des…
Lire l'article →Développement logicielLes promesses JavaScript expliquées : alors, catch, Promise.all et les erreurs courantes
Les promesses JavaScript expliquées avec le code que nous avons exécuté : les états, les chaînes then et catch, la gestion des erreurs, Promise.all,…
Lire l'article →Développement logicielTutoriel du dictionnaire Python : méthodes, exemples et modèles courants
Un didacticiel de dictionnaire Python avec du code que nous avons exécuté : créer, lire et mettre à jour des dictés, des méthodes clés, des fusions,…
Lire l'article →Intelligence artificielleQu’est-ce que RAG ? La génération augmentée par récupération expliquée avec un exemple fonctionnel
Qu’est-ce que le RAG ? La génération augmentée par récupération expliquée étape par étape : indexation, segmentation, intégrations, récupération, un…
Lire l'article →DevOpsTutoriel Terraform pour les débutants : Infrastructure en tant que code du premier fichier aux modules
Un didacticiel Terraform pour les débutants : commencez sans compte cloud, apprenez l'initialisation, la planification et l'application, puis les va…
Lire l'article →DevOpsDocker vs Kubernetes : principales différences, comment ils fonctionnent ensemble et ce dont vous avez besoin
Docker vs Kubernetes expliqué : ce que chacun fait, la même application s'exécute avec les deux, Docker Compose et Swarm comparés, les dockershim ch…
Lire l'article →Automatisation des testsTutoriel Pytest pour les débutants : luminaires, paramétrage et exemples réels
Un tutoriel pytest pour les débutants avec des tests que nous avons exécutés sur pytest 9.2 : assertions, appareils, paramétrage, conftest, marqueur…
Lire l'article →Tests logicielsCycle de vie des tests logiciels (STLC) : 6 phases, critères d'entrée et de sortie, exemple
Le cycle de vie des tests logiciels expliqué : six phases STLC avec des critères d'entrée et de sortie, des livrables, un exemple de fonctionnalité …
Lire l'article →Développement logicielGit merge vs rebase : différences, exemples et quand utiliser chacun
Git merge vs rebase expliqué avec de vraies sorties de log, un tableau comparatif, la règle d'or du rebase et un flux de travail sûr pour les équipes.
Lire l'article →Développement logicielList comprehension Python : syntaxe, exemples et cas à éviter
La list comprehension Python expliquée : syntaxe, filtres, if-else, boucles imbriquées, temps mesurés et cas où une boucle for classique est préféra…
Lire l'article →Bases de données et SQLJointures SQL expliquées avec exemples (Inner, Left, Right, Full)
Comprenez les jointures SQL pas à pas avec des tables et requêtes d'exemple : INNER, LEFT, RIGHT, FULL, CROSS et SELF, plus erreurs courantes et con…
Lire l'article →