Récupérer et valider des données dans une base de données passe par plusieurs étapes, qui varient selon le système employé (MySQL, PostgreSQL, MongoDB…), le langage et les besoins de l'application.
I. La récupération des données
Il s'agit d'interroger la base pour extraire l'information voulue. Pour les bases relationnelles, on utilise le SQL ; les bases NoSQL possèdent leurs propres langages (MongoDB s'appuie sur des requêtes de type JSON).
Exemples SQL, sur une table users comportant les colonnes id, name, email et age :
SELECT * FROM users;
Pour ne sélectionner que certaines colonnes :
SELECT id, name, email FROM users;
Filtrer avec WHERE :
SELECT * FROM users WHERE age > 25;
Trier avec ORDER BY :
SELECT * FROM users ORDER BY name ASC;
Limiter le nombre de lignes avec LIMIT :
SELECT * FROM users LIMIT 10;
Côté NoSQL, avec MongoDB, la syntaxe diffère nettement. On emploie la méthode find() pour récupérer des documents :
db.users.find({ age: { $gt: 25 } }).toArray()
II. La validation des données
Cette étape garantit que les données extraites sont exactes, complètes et conformes au format attendu. Elle intervient à plusieurs niveaux :
- Validation au niveau de la base : grâce aux contraintes SQL (
NOT NULL,UNIQUE,CHECK,FOREIGN KEY), on empêche les données invalides d'entrer, préservant l'intégrité à la source. - Validation au niveau de l'application : souvent indispensable, car les contraintes seules ne suffisent pas. L'application vérifie les données avant de les exploiter :
- Type : s'assurer que la donnée est du bon type (entier, chaîne, date).
- Format : contrôler qu'une chaîne respecte un motif donné (e-mail, téléphone via des expressions régulières).
- Plage : vérifier qu'une valeur numérique reste dans des bornes acceptables.
- Longueur : s'assurer qu'une chaîne n'est ni trop longue ni trop courte.
- Valeurs nulles : gérer les champs potentiellement vides.
- Règles métier : appliquer les contraintes propres à l'application (par exemple un âge minimum).
III. Combiner récupération et validation (exemple Python/PostgreSQL)
Avec une bibliothèque comme psycopg2, on peut enchaîner extraction et contrôles :
import psycopg2
import re
def get_and_validate_users(conn, age_threshold):
cur = conn.cursor()
cur.execute("SELECT id, name, email, age FROM users WHERE age > %s", (age_threshold,))
users = cur.fetchall()
validated_users = []
for user in users:
user_id, name, email, age = user
if not isinstance(age, int):
continue
if not re.match(r"[^@]+@[^@]+\.[^@]+", email):
continue
if len(name) < 2:
continue
validated_users.append({"id": user_id, "name": name, "email": email, "age": age})
cur.close()
return validated_users
Pensez à gérer les erreurs potentielles (connexion, requêtes) avec des blocs try...except. L'implémentation dépendra toujours du SGBD, du langage et des besoins retenus. Enfin, nettoyez systématiquement les entrées utilisateur et privilégiez les requêtes paramétrées (comme dans l'exemple) pour prévenir les injections SQL : c'est une pratique de sécurité essentielle.