Discussion :

[bougnbie]

Bonjour à tous,
Je me remets à perl, et mon objectif est de remplacer les mots d'un fichier par des nombre (un même nombre pour un même mot).
Exemple:
Le fichier contenant:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

A B C D A B D A A

Doit désormais contenir:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1 2 3 4 1 2 4 1 1

Du coup, j'ai pensé à passer par une hashmap, et faire un truc du genre:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
 
%dico=();
while ($l=<FILEIN>) {
    my @motsparligne=split(/[\W]/,$l);
    foreach my $mot (@motsparligne) {
            $taille = keys(%dico);
	    if (!(%dico{$mot})) {
	    $dico{$mot}=$taille;
		}
	}
}

Ce qui devrait à priori me donner une hashmap avec un nombre différent pour chaque mot rencontré. La suite serait de remplacer les mots du fichier.

Je ne sais pas si je suis clair, aussi, je voulais vérifier qu'il n'y avait pas d'autres moyens, plus simples, pour réaliser cette tache avant de continuer

Merci

[Lolo78]

Si tes mots n'ont qu'une seule lettre comme dans ton exemple, alors la fonction tr/// est sans doute ce qu'il y a de mieux:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
my $input = "A B C D A B D A A";
$input =~ tr/ABCD/1234/;
print $input;  # imprime "1 2 3 4 1 2 4 1 1"

Sinon, l'utilisation d'une table de hachage est sans doute une bonne solution. Mais je ne comprends pas bien la logique du code que tu as écrit. Est-ce que tu es en train de lire le fichier où tu veux faire des remplacements, ou un fichier de clefs à utiliser pour "chiffrer" un autre fichier?

Ou peux-être veux-tu juste incrémenter un compteur pour chaque nouveau mot. Dans ce cas, j'utiliserais un compteur explicite, ce sera plus rapide que de remesurer la taille du hash à chaque fois et aussi plus lisible dans l'intention.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
my %dico;
my $i = 0;
while ($l=<FILEIN>) {
    my @motsparligne = split(/[\W]/,$l);
    foreach my $mot (@motsparligne) {
	    $dico{$mot} = $i++ unless defined $dico{$mot};
   }
}

Mais dans ce cas, pourquoi ne pas coder ton texte immédiatement en faisant tout de suite la substitution dans le tableau @motsparligne?

[bougnbie]

Ta solution avec un compteur explicite me parait bonne (ce que je proposais était équivalent, si je ne me trompe).

par contre l'idée est de pouvoir remplacer un texte qui contient de vrais mots (pas un simple caractère) par un ID par mot (si un mot apparaît deux fois, il doit apparaître en sortie deux fois avec le même ID). Le texte en entrée possède potentiellement des centaines de mots différents, donc pas de tr

Mon problème est le suivant: une fois ma table de hachage remplie, je dois afficher en sortie mon texte en remplaçant chaque mot la valeur de son hash. un truc comme ça irait: ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
#je parcours à nouveau mon fichier
while ($l=<FILEIN2>) {
    my @motsparligne = split(/[\W]/,$l);
    foreach my $mot (@motsparligne) {
	    print "$dico{$mot} " 
   }
}

[bougnbie]

Je viens de tester, c'est bien ça.

Merci lolo.

[Lolo78]

Ta solution avec un compteur explicite me parait bonne (ce que je proposais était équivalent, si je ne me trompe).

Oui, c'est équivalent, mais c'est plus rapide (si le texte est très long et qu'il y a beaucoup de mots, calculer le nombre d'éléments dans le hash est une perte de temps) et l'intention du code me parait plus explicite (j'ai mis quelques minutes à comprendre ce que tu essayais de faire).

Sinon, si ce que tu as convient, très bien, mais j'éviterais personnellement de lire le fichier deux fois et je ferais la substitution immédiatement, en une seule passe:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
my %dico;
my $i = 0;
while ($l=<FILEIN>) {
    my @motsparligne = split(/[\W]/,$l);
    foreach my $mot (@motsparligne) {
        $dico{$mot} = $i++ unless defined $dico{$mot};
        $mot = $dico{$mot} ; # cette instruction remplace $mot par $dico{mot} dans le tableau @motsparligne
    }
    print join " ", @motsparligne, "\n";
}

Petit essai de la même syntaxe à la ligne de commande, avec une seule liste de mots:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
my @a = qw/ toto titi tutu tata tutu tutu/;
my %dico;
foreach my $mot (@a) { 
     $dico{$mot} = $i++ unless defined $dico{$mot};
     $mot = $dico{$mot};
}
print join " ", @a;

Ce qui imprime:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

0 1 2 3 2 2

[bougnbie]

Merci grandement encore une fois, c'est vrai que ton code est mieux foutu que le mien!
Je fais à ta façon