Discussion :

[Derfh]

Bonjour,

Je voulais écrire un programme python qui récupère la sortie d'une commande TreeTagger et qui compte le nombre des fois ou la sortie est répété, il stock par la suite chaque mot et son occurrence dans un htable (je sais pas si ça existe en python), et enfin il enleve les mots qui sont répétés moins de 10 fois.

Mon problème c'est que je suis débutante en python de coup je sais pas trop comment faire pour que le programme puisse lire d'un fichier texte qui est à la base la sortie de TreeTagger et par la suite manipuler plutot compter ce qui est à l'interieur, ou peut être je suis sensé créer ce fichier texte dans le programme en ajoutant la commande d'execution de TreeTagger dans le code python. Je suis un peu perdue, j'aimerais bien trouver une solution.

Merci.

[plxpy]

Bonjour

Mon problème c'est que je suis débutante en python

C'est très vague. As-tu seulement commencé à lire des tutoriaux ? Comme "notre" très fameux Swinnen ?

Parce que, sinon, à ce compte là, je suis aussi débutant en Ruby ou C# et, si j'avais à faire ce que tu veux faire, je serais tout aussi perdu !

Où en es-tu de ton apprentissage Python ?

[Derfh]

En fait j'ai pu lire quelques tuto mais j'essaye plus d'apprendre en pratiquant la chose
Là j'ai pu faire un programme qui compte le nombre d'occurence des mots gràce à Python Dictionnary
mon code ressemble à ceci (Il peut y avoir des bétises)

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
def compter(src, dst):
 
	dico={}
 
	entete = src.readline().rstrip('\n\r').split(",")
	lemidx = entete.index("Lemme")
 
	for ligne in src:
 
		donnees = ligne.rstrip('\n\r').split(",")
 
		r = donnees[lemidx]
		if not ( r in dico):
 
		    dico[r]=1
 
		else:
 
		    dico[r]+=1
 
	dst.write("%s" % (dico))
 
	pass
 
source = open("test.txt","r")
destination = open("Htable.txt","w")
 
 
compter(source, destination)
 
destination.close()
 
source.close()

Mais maintenant le problème qui se pose c'est que j'ai testé ce code sur un fichier text dont les informations sont séparées par un virgule et qu'il y'a des mots d'entete qui identifie chaque bloc d'information ce qui n'est pas le cas d'une sortie TreeTagger parce que dans ce cas les blocs d'informations sont séparées par des tabulations et il n'existe aucune entete pour identifier chaque bloc

Avez vous une idée comment ça passe dans ce cas ?

[plxpy]

le cas d'une sortie TreeTagger parce que dans ce cas les blocs d'informations sont séparées par des tabulations et il n'existe aucune entete pour identifier chaque bloc.

Avez vous une idée comment ça passe dans ce cas ?

S'il n'y a pas de ligne d'entête, c'est que chaque "colonne" est clairement spécifiée dans la documentation de TreeTagger : plus besoin de déterminer lemidx qui est, alors, une constante (là, je ne peux pas t'aider). Dès l'ouverture du fichier à traiter, tu attaques/lis directement les lignes de "données".

Ensuite, ce n'est qu'une question de séparateur de mots : dans ton code, c'était la virgule qui te permettait de découper une ligne de texte ? maintenant, c'est un caractère tabulation ('\t') !

Si tu as écris/compris le bout de code que tu as posté, ça devrait t'aider.
Par contre, écrire un dictionnaire via "dst.write('%s' % dico)", c'est du brutal, surtout quand on voit qu'un changement de séparateur pose tant de problèmes.

[Derfh]

S'il n'y a pas de ligne d'entête, c'est que chaque "colonne" est clairement spécifiée dans la documentation de TreeTagger : plus besoin de déterminer lemidx qui est, alors, une constante (là, je ne peux pas t'aider). Dès l'ouverture du fichier à traiter, tu attaques/lis directement les lignes de "données".

Je sais pas comment faire pour lire drectement les lignes de données parce que je vais avoir besoin d'un identifiant de chaque lemme pour réaliser la boucle

Ensuite, ce n'est qu'une question de séparateur de mots : dans ton code, c'était la virgule qui te permettait de découper une ligne de texte ? maintenant, c'est un caractère tabulation ('\t') !

Oui justement il ne y'avait pas un vrai problème sur cette partie! mais parce que il y'a des codes qui n'acceptent pas le anti slash t comme le cas de R c'est pour ça je me suis poser la question

J'ai changé le code pour éviter d'utiliser la méthode de dictionnaire vu que en affichage ça me donne que des nombres, je voulais un truc plus organisé de coup j'ai réalisé un code basique mais le problème qui se pose ici c'est que il parcours que la ligne et il compte le nombre d'occurence sur la ligne et pas sur tous le document, je sais peut être que j'ai mal écris la boucle

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 for ligne in src

mais je sais pas par quoi la remplacer, j'ai tous essayé mais ça ne marche toujours pas.

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
def compter(src, dst):
 
 
	entete = src.readline().rstrip('\n\r').split("\t")
	lemidx = entete.index("text")
 
 
	for ligne in src:
 
		donnees = ligne.rstrip('\n\r').split("\t")
		r = donnees[lemidx]
		a = 0 
 
		if not (r in dst):
 
		    a=1
 
		else:
 
		    a+=1 
 
		dst.write("%s %s\n" % (donnees[lemidx],a))
 
	pass
 
 
source = open("toto.out","r")
destination = open("Table.txt",'a+r')
 
 
compter(source, destination)
 
 
destination.close()
 
source.close()

[wiztricks]

Salut,

Pas facile de comprendre ce que vous voulez faire à partir de votre code.
Peut être qu'on y verrait plus clair si vous postiez quelques lignes significatives du fichier d'entrée et une description succincte de ce que vous voudriez obtenir en sortie à partir de là.

- W