Discussion :

[vmalep]

Bonjour,

Je termine la conversion d'un livre en ePub et j'aimerais créer des hyperliens dans la bilbiographie et l'index vers les numéros de pages pour lesquels il existe des ancres dans le texte.

Concrètement, le livre est divisé avec un fichier .htm par chapitre, de sorte que l'hyperlien varie en fonction des numéros de pages:

htm file name first page
003_introduction.htm 5
01_Part1chap2.htm 27
02_Part1chap2.htm 46
03_Part1chap3.htm 71
04_Part1chap4.htm 89
etc.

Par ailleurs, dans la bibliographie, les numéros de page où sont mentionnés chaque ouvrage sont mis entre crochets à la fin de la référence. P.ex.:
<p class="biblio" id="Atlan-1972">Atlan H., <i>L’organisation biologique et la théorie de l’information,</i> Paris, Ed. Herman, 1972, 300 p. [<i>72, 73, 261</i>].</p>

Il faut donc retrouver les numéros de page, vérifier dans quel fichier htm ils sont "ancrés" et créer le tag hyperlien en fonction de cela...

J'imagine faire un script python et utiliser regex (il y a 400 référence bibliographique, sans compter l'index...), mais je suis tellement novice que si quelqu'un pouvait me mettre le pied à l'étrier, j'apprécierais!

Pierre

[vmalep]

Bonjour,

La solution trouvée n'est certainement pas la plus propre, mais elle fonctionne plus ou moins et je la partage ici. Si quelqu'un a des suggestions d'amélioration, je suis preneur.

Extrait du fichier:

Accroissement, 220, 226, 229, 252
Accumulation, 21
Acquis, 18, 59
Acquisition, 252
Acte, 37, 200
Acteur, 8, 90, 169, 191, 223, 224, 228

Script

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
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
# -*- coding: utf-8 -*-
# Python
 
import os, sys, fileinput, shutil, re
 
input_dir = "/dir"
 
# liste des chapitres avec le numéro de première page et le nom de fichier correspondant
ChapNameByPage = (
   (1, "002Avant-Propos.htm"),
   (5, "003_introduction.htm"),
   (27, "01_Part1chap1.htm"),
   (46, "02_Part1chap2.htm"),
   (71, "03_Part1chap3.htm"),
   (89, "04_Part2chap4.htm"),
   (102, "05_Part2chap5.htm"),
   (126, "06_Part2chap6.htm"),
   (153, "07_Part3chap7.htm"),
   (168, "08_Part3chap8.htm"),
   (194, "09_Part3chap9.htm"),
   (217, "10_Part4chap10.htm"),
   (237, "11_Part4chap11.htm"),
   (255, "12_Part4chap12.htm"),
   (269, "13_Conclusion.xhtml"),
   (273, "14_PostFace.xhtml"),
   (281, "99_Annexe.htm"),
   (299, "991_Bibliographie.htm"),
   (321, "Index.xhtml"),
   (340, "Max") # Pour ne pas générer d'erreur pour les pages > 321
)
 
def repl(var):
   PageNum = int(var.group(0))
 
Les ancres de numéros de page sont à 3 chiffres ("005")
 
   if ChapNameByPage[0][0] <= PageNum <= ChapNameByPage[-1][0] -1:
      ChapId = 0
      if PageNum < 10:
         ZeroFill = "00"
      elif PageNum < 100:
         ZeroFill = "0"
      else:
         ZeroFill = ""
 
# Parcourt la liste des chapitres jusqu'à trouver celui qui correspond, puis renvoie le tag url
 
      while ChapId < ChapNameByPage[ChapId][0]:
         if ChapNameByPage[ChapId][0] <= PageNum < ChapNameByPage[ChapId + 1][0]:
            return '<a href="../Text/%s#P%s%d">%d</a>' % (ChapNameByPage[ChapId][1], ZeroFill, PageNum, PageNum)        
         ChapId = ChapId + 1
   else:
      print "Page number out of range"
 
# Ouverture du fichier
 
input_file = open(input_dir + "/file.txt", "rb")
file_content = unicode(input_file.read(), "utf-8")
input_file.close()
 
# C'est ici que tout se joue avec "repl" qui est la fonction et qui reçoit comme argument le match
output_text = re.sub("\d+", repl, file_content)
 
output_file = open(input_dir + "/file.txt", "r+b")
output_file.read() # we do this way to preserve file creation date
output_file.seek(0)
output_file.write(output_text.encode("utf-8"))
output_file.truncate()
output_file.close()