Discussion :

[sequoia]

Bonjour,

je voudrais comparer 2 chaines de caracteres et en extraire les similitudes et les différences.

par exemple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
$chaine1 = "ma toute premiere chaine ";
$chaine2 = "ma deuxieme chaine ";

me renverrait idéalement :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
@similitudes = (ma,chaine)                     # commun entre chaine 1 et chaine2
@difference_chaine1 = (toute,premiere)   #ce qui est ajouté à la chaine 1
@difference_chaine2 = (deuxième)          #ce qui est ajouté à la chaine 2

Connaissez-vous une méthode pour faire ça ?

Merci d'avance !

[Lolo78]

Bonjour,

tu veux faire l'analyse par mots entiers, ou aussi par morceaux de mots?

Et l'ordre des mots est-il important?

[sequoia]

Bonjour,

Effectivement, mieux vaut préciser : l'ordre n'est pas important.

1) Je pensais à l'origine travailler sur les mots entiers (plus simple !) . En fait, l'idée c'est que si je compare des chaines telles que :

chaine 1 = "ou globules blancs"
chaine 2 = "globules blancs"
chaine 3 = "globules"

correspondant à la définition de "leucocytes",

je vois que "globules " et "blancs" apparaissent 2 fois ensemble, donc je supprime la troisième chaine car je la considère incomplète.

Après, en comparant les chaines 1 et 2, sachant que le mot "ou" n'est pas porteur d'information ça me donnera "leucocytes = globules blancs".

2) Si je pouvais découper les mots en préfixes/suffixes ce serait encore mieux, mais la mise en oeuvre me semble bien plus complexe.

Dans ce cas, pour la définition "arthrite =

chaine 1 = inflammation des articulations
chaine 2 = = inflammation articulatoire
chaine 3 = inflammation"

Ici je pourrais considérer que chaine 1 = chaine 2 (de simples variantes puisque les 2 sont correctes, rien n'est manquant ni superflu) en partant du principe que je peux substituer un déterminant + nom (articul-ation) par un adjectif (articul-atoire) formé sur le même préfixe que le nom.

J'espère que c'est assez clair

[BufferBob]

salut,

je me lance, c'est sans doute pas optimum mais ça fonctionne comme décrit plus haut (c'est surtout histoire de manip un peu perl le vendredi matin ) :

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
use Data::Dumper;
 
my $chaine1 = "ma toute premiere chaine";
my $chaine2 = "ma deuxieme chaine";
 
my @tab1 = split / /, $chaine1;
my @tab2 = split / /, $chaine2;
my ($s1, $s2, $diff1, $diff2);
my (@similitudes, @differences_chaine1, @differences_chaine2);
 
if (@tab1 < @tab2) { # on se base sur la chaine la plus courte
        ($s1, $s2, $diff1, $diff2) = (\@tab1, \@tab2, \@differences_chaine1, \@differences_chaine2);
} else {
        ($s1, $s2, $diff1, $diff2) = (\@tab2, \@tab1, \@differences_chaine2, \@differences_chaine1);
}
 
foreach my $i (@{$s1}) {       # pour chaque mot de la chaine la plus courte
   if (grep /^$i$/, @{$s2}) {  # si il existe dans l'autre chaine
      push @similitudes, $i;   # on l'ajoute aux similitudes
   } else {
      push @{$diff1}, $i;      # sinon aux differences de la chaine la plus courte
   }
}
 
foreach my $j (@{$s2}) {              # pour chaque mot de la chaine la plus longue
   if (! grep /^$j$/, @similitudes) { # si il n'est pas dans les similitudes
      push @{$diff2}, $j;             # c'est qu'il est dans les differences de la chaine la plus longue
   }
}
 
print "=== similitudes : ===\n" . Dumper \@similitudes;
print "=== differences chaine1 : ===\n" . Dumper \@differences_chaine1;
print "=== differences chaine2 : ===\n" . Dumper \@differences_chaine2;

et l'exécution :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
=== similitudes : ===
$VAR1 = [
          'ma',
          'chaine'
        ];
=== differences chaine1 : ===
$VAR1 = [
          'toute',
          'premiere'
        ];
=== differences chaine2 : ===
$VAR1 = [
          'deuxieme'
        ];

[sequoia]

Super,

Merci BufferBob ça va me permettre d'avancer.

Juste une dernière question : s'il y a plus de 2 chaines à comparer, plutôt que comparer chaque tableau par 2 par 2, est-ce qu'on peut faire un truc du genre :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

@pluspetitechaine = ????? (@tab1,@tab2,@tab3,...)

Bonne journée

[disedorgue]

Bonjour,
Une solution similaire avec des hash:

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
use Data::Dumper;
 
my $chaine1 = "ma toute premiere chaine";
my $chaine2 = "ma deuxieme chaine";
my %similitudes;
my %hash1,%hash2;
my $var1,$var2;
$hash1{$_}=1 foreach (split / /, $chaine1);
$hash2{$_}=1 foreach (split / /, $chaine2);
($var1,$var2) = keys (%hash1) > keys %hash2 ? (\%hash1,\%hash2) : (\%hash2,\%hash1);
 
foreach (keys %$var1){
        if($$var2{$_} == 1){
                $similitudes{$_}=1;
                delete $hash1{$_};
                delete $hash2{$_};
        }
}
 
print "=== similitudes : ===\n" . Dumper \%similitudes;
print "=== differences chaine1 : ===\n" . Dumper \%hash1;
print "=== differences chaine2 : ===\n" . Dumper \%hash2;

Ce qui donne à l'execution:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
=== similitudes : ===
$VAR1 = {
          'chaine' => 1,
          'ma' => 1
        };
=== differences chaine1 : ===
$VAR1 = {
          'premiere' => 1,
          'toute' => 1
        };
=== differences chaine2 : ===
$VAR1 = {
          'deuxieme' => 1
        };