Discussion :

[loudji]

Salut à tous,
j'ai besoin de votre aide dans le problème suivant:
j'ai un ensemble de documents XML en langue française et je veux analyser chaque document et supprimer les mots vides (stop words comme "la", "le", "de ",...) qu'il contient donc je suis entrain de chercher un module qui fait sa mais j'ai pas trouvé. Est ce que vous pouvez mz aidez?

[paissad]

Bonjour,

qu'est ce qui t'empêche de faire le code toi même ?
Ce n'est techniquement pas compliqué à faire du moment que tu as la liste des "stop words" dans un fichier texte par exemple.

Cordialement,

[loudji]

Salut,
Merci monsieur paissad pour ta réponse.

qu'est ce qui t'empêche de faire le code toi même ?

peut etre j'ai plus de 500 documents et plus de 100 de mots vides (je suis pas encore fixé la liste exacte). Aidez-moi si vous avez une idée.
Merci d'avance.

[wax78]

Que tu aies 10 100 1000000 de documents et X mots vides ne change rien.

[hbennou]

Bonsoir,

En gros dans ton module t'as 2 fonctionnalités à développer la première c'est comment parcourir un fichier xml en java et la seconde c'est comment peut on modifier un fichier. Essaie de chercher un peu de ce coté là et si tu bloques quelque part précise où t'es bloqué et on t'aidera

[loudji]

Merci pour vos réponses,
@wax78

Que tu aies 10 100 1000000 de documents et X mots vides ne change rien.

je sais bien sa mais le problème que j'ai pas beaucoup de temps (peut etre je suis fainéante ).

@hbennou merci pour ton aide ok je vais essayer

[joel.drigo]

Salut,

pour te donner quelques pistes, après avoir chargé ton texte depuis ton fichier xml et ta liste de "stop words", il suffit que :

- tu découpes ton texte en liste de mots, en cherchant les séparateurs de mots, donc les espaces, les signes de ponctuation et les caractères de saut de ligne ;
- que tu supprimes de cette liste les mots contenus dans la liste de "stop words".

si tu as besoin de reconstituer ton texte sans les mots vides, il te suffit de conserver dans ta liste de mots les signes de ponctuation.