Discussion :

[titoupet]

Bonjour,

Je débute en programmation Perl. J'ai à ma disposition un texte dont chaque phrase ne débute pas par une majuscule. Je souhaite faire un script qui permette de réafficher ce texte avec les débuts de phrases en majuscule.

Auriez-vous une idée de la démarche à suivre, un pseudocode ?

Merci.

[Lolo78]

La difficulté est d'identifier le début d'une phrase.

Si je considère que le point suivi d'un ou plusieurs espace(s) puis d'une lettre quelconque délimite un début de phrase, je peux faire quelque chose comme ceci:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
my $c = "toto. titi. tutu. tata.";
$c =~ s/(\.\s+\w)/uc($1)/ge;
print $c, "\n";

Ce qui m'affiche:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

toto. Titi. Tutu. Tata.

Comme on peut le voir, cette méthode simpliste marche, sauf pour la première phrase qui n'est évidemment pas précédée d'un point.

En modifiant l'expression régulière:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$c =~ s/(\w)(\w+\.)/uc($1).$2/ge

j'obtiens un progrès:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Toto. Titi. Tutu. Tata.

Mais pas sûr que ça marche dans des cas plus compliqués...

[Philou67430]

Plusieurs choses :
- dans la liste des points qui nécessitent d'utiliser une majuscule, il y a également le point d'interrogation et d'exclamation.
- une chaine pourra sans doute comporter des retours à la ligne, il faudra donc penser à utiliser le modificateur /s si on utilise .
- la fonction uc met tout le mot en majuscule, il convient plutôt d'utiliser la fonction ucfirst qui ne met que le premier caractère en majuscule.

Pour prendre en compte ces éléments, voici peut-être une solution :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
my $s = "toto est malade. il n ira pas\nà l école. faut-il appeler le médecin ?\nc est fort probable";
$s =~ s/(?:^|[\.\?!]\s*)\K(\w+)/ucfirst($1)/ges;

[Lolo78]

Ben oui, comme je l'ai dit, tout le problème est d'identifier le début d'une phrase.

En fait, sur ce genre de questions, il faut au minimum un échantillon des données en entrée pour évaluer ce qu'il y a à faire. Mon post ne visait qu'à donner une idée de ce qui peut être fait, certainement pas à donner une solution.

@titoupet: poste un échantillon du texte que tu veux retraiter, ainsi que de ce que tu as essayé de coder (avec ou sans l'aide de ce que Philou et moi avons proposé).

[Philou67430]

Salut lolo, je n'avais pas vu quand dans ta regexp, tu avais isolé la première lettre du mot, et donc utilisé uc pour celle-ci, ce qui ne nécessite évidemment pas d'utiliser ucfirst comme dans ma regexp qui elle, prend en compte un mot complet.

Sinon, nos deux regexp ont un fonctionnement différent :
- dans la tienne, tu matches d'abord le premier caractère d'une phrase, et tu "manges" le reste de la phrase jusqu'à la fin de phrase (terminé par un point). Dans ce contexte, il faut définir toutes les caractères possible d'une phrase (genre s/(\w)([^\.\?\!]+[\.\?\!]+)/uc($1).$2/ges) ; pour faire fonctionner cette regexp avec ma chaine il ne faut pas oublier d'ajouter une marque de fin de phrase à la dernière phrase ;
- dans la mienne, je matches d'abord une fin de phrase (ou un début de chaine), que je laisse inchangé à l'aide de \K et je modifie le mot qui suit (j'aurais aussi pu ne modifier que le premier caractère, comme ceci s/(?:^|[\.\?!]\s*)\K(\w)/uc($1)/ges).