Discussion :

[Emycherie02]

Bonjour,

Je suis débutante avec le langage Perl.
Je suis à la recherche de codes qui me permettraient de corriger automatiquement un texte au niveau de sa typographie.
L'utilisation des expressions régulières est à privilégier.

Merci d'avance pour votre aide.

[Lolo78]

Bonjour,

à mon avis, il est impossible de corriger l'orthographe d'un texte avec des expressions régulières.

Je pense que la seule solution praticable est de disposer d'un corpus de mots corrects (téléchargeable sur Internet).

[Emycherie02]

Merci.
Je voudrais corriger la typographie, pas l'orthographe.
Donc supprimer des espaces en trop, mettre des majuscules après les points, mettre des espaces avant et après un tiret, etc.
Je suis un cours de codage en perl et le prof m'a dit que ça se fait principalement avec des boucles et des expressions régulières...

Je suis vraiment débutante et je ne sais pas trop comment m'y prendre :/

[Lolo78]

Bonjour,

OK, ton texte, il est dans un fichier? Si oui, tu sais comment ouvrir le fichier pour le lire ligne à ligne? Sais-tu comment écrire dans un (autre) fichier de résultat?

Si tu sais faire tout cela, c'est déjà un début, puisqu'il suffit, pour chaque ligne lue, d'appliquer des expressions régulières. Par exemple, pour supprimer les doubles (ou triples) espaces:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
# ouverture des fichiers en entrée et en sortie
while (my $ligne = <$IN_FILE>) {
    $ligne = s/ +/ /g;      # remplace espaces multiples par un seul espace
    # ici, autres expressions régulières pour autres règles typographiques
    # ...
    print $OUT_FILE $ligne;
}
# fermeture des fichiers

C'est l'idée de base, il peut y avoir des variations selon les besoins. Mais le mieux est que tu montres ton code pour que l'on t'indique ce qu'il faut changer ou améliorer.

[CosmoKnacki]

Enlever des espaces dupliqués, ça ne pose pas de problèmes. Par contre pour ce qui est de mettre une majuscule après un point, c'est différent: s'il est facile de détecter une lettre minuscule après un point, il est plus difficile de savoir si le point marque la fin d'une phrase. Qu'en est-il si une lettre minuscule suit une abréviation comme par exemple "c.-à -d."? Dans ce cas il n'y a pas lieu de mettre une majuscule au mot suivant. C'est pour ce genre de choses qu'un dictionnaire est utile.

Pour ce qui est des tirets, ça n'est pas évident du tout. Si le texte a déjà une politique claire en la matière en utilisant des caractères différents comme par exemple: tirets longs pour les dialogues, tirets moyens pour les énumérations, etc., c'est envisageable (et encore), par contre si le caractère moins (ascii x2D) est indifféremment utilisé dans toutes les situations, c'est impossible.

Je crois que le plus gros du travail n'est pas le code en lui même, mais surtout d'établir clairement les limites de l'exercice.

[Emycherie02]

Voilà mon code.
J'ai rassemblé des infos que j'ai trouvé sur différents sites mais je ne sais pas du tout si je vais dans la bonne direction !
Le code doit pouvoir fonctionner sur n'importe quel texte.
Je sais ouvrir le fichier mais par contre, je croyais que la correction se faisait automatiquement :/
D'après le prof, c'est facile et amusant ! Mais je suis complètement perdue.
Merci pour votre aide.

[olivier1969]

Hello,

Si tu utilisais un éditeur de texte avec la coloration syntaxique tu trouverais déjà des erreurs .

Je ne suis pas expert en Perl mais pour une substitution il te faut avoir toujours 3 / : $ligne = s/ +/ /g;

ça donnerai plutôt quelque chose dans ce genre , à compléter bien sur :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
my $numero_ligne = 0;
   while ( my $ligne = <$donnees> ) {
 
# s/ substitution
 
    $ligne =~ s/\.[A-Z]$//;              # une chaine qui se termine par  
                                                # un point suivie d'une majuscule
 
    $ligne =~ s/ *$//;                 # supprimer les espaces en trop 
                                                # à la fin de chaque ligne  
 
    $ligne =~ s/^ *//;                 # supprimer les espaces en trop 
                                                # au début de chaque ligne
 
    $ligne =~ s/([ \t]*\n){2,}/\n/g;   # supprimer les lignes vides 
                                                # ou ne contenant qu'une 
                                                # combinaison de blancs et de
                                                # tabulations
 
    $ligne =~ s/«([^ ])//;              # supprimer les espaces après 
                                                # les guillemets ouvrants
 
    $ligne =~ s/([^ ])»//;              # supprimer les espaces avant 
                                                # les guillemets fermants
 
    $ligne =~ s/\(([^ ])//;             # supprimer les espaces après 
                                                # les parenthèses ouvrantes
 
    $ligne =~ s/([^ ])\)//;             # supprimer les espaces avant 
                                                # les parenthèses fermantes
 
    $ligne =~ s/ +/ /;                 # remplacer plusieurs espaces
                                                # par un seul
 
   }

[Lolo78]

Je sais ouvrir le fichier mais par contre, je croyais que la correction se faisait automatiquement :/

Un fichier texte est généralement un fichier séquentiel. Il n'est pas possible de modifier directement un fichier séquentiel existant, quel que soit le langage et quel que soit le logiciel. Si ce que tu voudrais ajouter est plus long que ce que tu voudrais enlever, tu perdrais des morceaux du fichier. Donc, ça ne fonctionne pas comme ça, et ce n'est (fort heureusement) pas possible.

Mais il y a des solutions de contournement.

Une première technique consiste à ouvrir un fichier en entrée et un fichier en sortie. Tu lis dans le fichier en entrée et écris dans le fichier en sortie. C'est à peu près ce que j'avais brièvement montré dans mon exemple ci-dessus. Si besoin, tu renommes les deux fichiers après coup (et après les avoir fermés tous les deux).

Une deuxième technique consiste à charger tout le fichier en mémoire, faire les modifications en mémoire, puis remplacer le fichier avec ce qu'il y a en mémoire. C'est ce qui se passe en coulisses quand tu édites un fichier avec un éditeur ou un traitement de texte. Mais comme tu es débutante, je ne te conseille pas vraiment cette méthode qui peut être un peu délicate.

[Lolo78]

Voici un exemple (pas testé, pas le temps maintenant) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
 
use strict;
use warnings;
 
# l'argument prend en compte un fichier texte
 
my $fichier = $ARGV[0];
my $fic_sortie = "$fichier.new"; 
 
 
open ( my $donnees, '<', $fichier )
   or die ( "Imposible d'ouvrir le fichier $fichier $!" );
 
open my $sortie, '>', $fic_sortie or die "Ouverture impossible de $fic_sortie $!";
 
# tant qu'il y a des lignes, je lis le texte
while ( my $ligne = <$donnees> ) {
 
    $ligne =~ s/ +$//;          # espace en fin de ligne
    $ligne =~ s/^ +//;          # espace en début de ligne
    next if $ligne =~ /^\s+$/;  # saute la ligne si elle ne contient que des espaces
    $ligne =~ s/\( +/(/g;       # espaces après parenthèse ouvrante
    $ligne =~ s/ +\)/)/g;       # espaces avant parenthèse fermante
    $ligne =~ s/ +/ /g;         # plusieurs espaces consécutifs
 
    print $sortie $ligne;
}
 
close $sortie;
close $donnees;

A noter que ta règle sur les guillemets ouvrants et fermants contredit la typographie française. Il faut des espaces.

[Emycherie02]

Merci pour toutes ces explications, c'est déjà un peu plus claire
Peux-tu me dire ce que signifie le $! à la fin de "Imposible d'ouvrir le fichier $fichier $!" ?
Je n'ai pas vu ça au cours...

Merci pour ton aide !

[Emycherie02]

J'ai encore une question :
comment faire la différence entre les espaces justifiants et les espaces insécables ?
et à quoi correspondent ces deux espaces ?

Merci

[joel.drigo]

Salut,

1. Une espace insécable est une espace telle que le mot qui la précède et le mot qui la suit ne peuvent se retrouver sur 2 lignes lors d'un passage à la ligne : les deux mots doivent toujours être sur la même ligne ;
2. Une espace justifiante c'est juste l'espace entre 2 mots qui s'ajuste lors de la justification (la ligne prend toute la place en largeur).

Cette distinction est simpliste, car il existe beaucoup plus d'espaces différentes en typographie. Voici les codes UTF-8 de la plupart des espaces :

code utf-8	nom anglais	nom français
U+0020	Breaking Space
U+00A0	Non-Breaking Space	Espace insécable
U+2000	En quad
U+2001	Em quad	Espace sans alinéa
U+2003	EM Space	Espace cadratin
U+2002	En Space	Espace demi cadratin
U+202F	Nonbreakable Space (fixed width)	Espace insécable (chasse fixe)
U+200A	Hair Space	Espace ultrafine
U+2006	Sixth Space	1/6e d'espace
U+2009	Thin Space	Espace fine
U+2005	Quarter Space	Quart d'espace
U+2004	Third space	Tiers d'espace
U+2008	Punctuation space	Espace de ponctuation
U+2007	Figure space	Espace tabulaire
U+200B	zero width space

[Emycherie02]

Merci, je vois bien la différence maintenant !
Comment la faire apparaitre avec Perl ?

[Lolo78]

Peux-tu me dire ce que signifie le $! à la fin de "Impossible d'ouvrir le fichier $fichier $!" ?
Je n'ai pas vu ça au cours...

Merci pour ton aide !

$! est une variable spéciale qui contient le libellé de l'erreur renvoyé par le système (donc, en principe, la raison du problème). Par exemple, si tu essaies d'ouvrir un fichier en lecture, ça ce dira peut-être que le fichier n'existe pas (un truc du genre "No such file"). Ou peut-être ça te dira que le répertoire où tu essaies de créer un fichier n'existe pas ou que les privilèges sont insuffisants. Bref, ça rend complète ton message d'erreur et le rend bien plus utile.

[Lolo78]

Comment la faire apparaitre avec Perl ?

Une espace insécable (U+00A0) sera codée en principe comme suit:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
\x{00A0}

Ce qui peut donner ceci (exemple sous le debugger Perl):

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
  DB<1> $str = "Je répondrai ceci : zut!";
 
  DB<2> $str =~ s/ :/\x{00A0}:/g;
 
  DB<3> print $str;
Je répondrai ceci▒: zut!
  DB<4>

(Note: ça affiche un truc bizarre ("▒") parce que mon terminal ne sais pas afficher ce caractère.)

Cela dit, si tu es débutante, je te déconseillerais de te lancer dans l'utilisation de caractères Unicode ou UTF8, c'est une problématique qui est assez complexe (et a assez peu à voir avec Perl).

[Emycherie02]

Bonjour,

Je continue le travail et je vais vers des choses un peu plus compliquées...
J'aimerais avertir l'auteur du texte qu'après un point, il doit sans doute y avoir une majuscule
par exemple comme ceci :
... les pommes. les poires -> ...les pommes. <check type="majuscule">l</check>es poires
Je ne sais pas comment faire pour isoler la lettre à mettre en majuscule.

J'avais pensé à quelque chose comme ceci :
if ( $ligne =~ /.\./ {
say ("<check majuscule>")
}

mais ça n'est pas assez précis...
Pouvez-vous m'aider ?
Merci

[joel.drigo]

Salut,

En typographie (française au moins), il y a une espace après un signe de ponctuation parmi point, point d'interrogation, point d'exclamation, point-virgule, virgule et deux-points (entre autres, et il faudrait éventuellement traiter à part le cas du point barre). Donc tu peux commencer par traiter cette règle, et ensuite chercher la lettre (minuscule) qui suit un de ces signes suivi par une espace (je ne connais pas les expressions régulières PERL donc je ne peux pas te guider sur la formule). Maintenant, comme déjà dit par @CosmoKnacki, il faudrait exclure les cas des sigles, acronymes et autres abréviations comprenant des points (ce qu'on pourrait faire en cherchant des groupes de lettres ou chiffres séparés par un point, sans aucune espace dedans, par exemple).

[Emycherie02]

merci.
la question des espaces a été réglée
le problème des sigles et autres abréviations sera vu après.
j'aimerais déjà arriver à avertir l'auteur pour la majuscule... pas évident !!

[Philou67430]

En typographie française, il y a une astuce pour connaitre la présence d'espace autour des signes de ponctuation (et que l'on peut utiliser comme règle) : les signes de ponctuation à un symbole (point, virgule) sont entouré d'un seul espace (après le signe), tandis que les signes à deux symboles (deux points, point-virgule, points d'interrogation ou d'exclamation, ...) sont entourés de deux espaces (un avant et un après le signe).

[Emycherie02]

Merci pour cette astuce !
Mais le plus important pour moi c'est le code (c'est là-dessus que je vais être cotée...)