Discussion :

[RussellUp]

Bonjour,
j'ai un fichier texte et je cherche à créer une fonction qui, quand on lui donne un nom de fichier et un mot, renvoie le nombre de "documents" dans lequel le mot apparaît (sachant que dans mon fichier texte chaque "document" est séparé par un retour à la ligne tout seul sur une ligne).

Voici le code que j'ai fait :

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
def calcul_nombre_doc(fichier,mot):
    mot = mot.lower()
    mot = mot.strip()
    f = open(fichier, mode = "r")
    ligne = "initialisation"
    nombre_doc = 0
    while (ligne != ""):
        dans_doc = False
        while ((ligne != "\n") and (dans_doc == False)) :
            ligne = f.readline()                    
            if mot in ligne :
                dans_doc = True
        if dans_doc :
            nombre_doc = nombre_doc+1
    f.close()
    return nombre_doc

Il doit y avoir un problème au niveau des conditions d'arrêts de mes boucles while, parce que ma fonction ne s'arrête jamais...

Merci d'avance pour vos réponses.

[fred1599]

Il n'y a pas suffisamment de précision quand au contenu du fichier. Y a-t-il de la ponctuation par exemple ?

Si on fait

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
with open(fichier, 'r') as f:
    for lines in f.splitlines():
        print(lines)

ça donne bien une liste de tous les documents ?

[RussellUp]

Non, il n'y a pas de ponctuation à l'intérieur du fichier, seulement des lettres minuscules et des chiffres (en plus des espaces et des retours à la ligne).

En effectuant votre code, j'obtiens l'erreur suivante :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
Traceback (most recent call last):
  File "<pyshell#7>", line 2, in <module>
    for lines in f.splitlines():
AttributeError: '_io.TextIOWrapper' object has no attribute 'splitlines'

[fred1599]

Oups

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
with open(fichier, 'r') as f:
    for lines in f.read().splitlines():
        print(lines)

[RussellUp]

Cela affiche tous les documents séparés par deux saut de lignes les uns des autres.

[wiztricks]

Salut,

Il doit y avoir un problème au niveau des conditions d'arrêts de mes boucles while, parce que ma fonction ne s'arrête jamais...

Un print(line) juste après la ligne 10 afficherait assez vite un tas de lignes vides (qui correspond à la fin du fichier).
Ce qui vous met dedans, c'est que vous testez çà dans la boucle englobante (ou externe) alors qu'il faut tester çà juste après le .readline, histoire de savoir qu'il y a vraiment des données à traiter.

- W

[fred1599]

Cela affiche tous les documents séparés par deux saut de lignes les uns des autres.

Très bien, cela doit vous donner une idée pour traiter chaque texte maintenant.

Pour savoir si un mot est dans un texte, on peut utiliser l'opérateur in.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
if mot in text:
    # mot est dans le texte et dans le document ...

Attention tout de même au piège avec in.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
>>> s = "bonjour tous"
>>> 'jour' in s
True

C'est pas ce qu'on attend...

Si tu sais que tout tes mots sont séparés d'un espace, tu peux toujours faire une recherche avec eux.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

' jour ' in s

Cependant d'autres exceptions risquent d'arriver, surtout en début de phrase...

Bref je te laisse étudier les différentes possibilités. À voir aussi la possibilité d'utiliser les expressions régulières si tu commences à avoir pas mal de cas particuliers.

[wiztricks]

Cela affiche tous les documents séparés par deux saut de lignes les uns des autres.

Si vous écrivez:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
with open(fichier, 'r') as f:
    for lines in f.read().splitlines():
        print(lines)

cela ne fait qu'afficher des lignes.
Il faut travailler un peu plus pour regrouper ces lignes en "documents".
De même que rechercher un mot dans un document, c'est peut être aussi découper le documents en une séquence de mots (plutôt que de travailler sur la séquence de caractères brute de fonderie).
Cela suggère la création de deux fonctions get_documents(fichier) qui retourne une liste de documents et get_mots(document) qui retourne une liste de mots pour écrire:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
for document in get_documents(fichier):
     for mots in get_mots(document):
          if mot in mots:
             ....

On y retrouve bien 2 boucles imbriquées mais elles sont "alignées" sur les informations à retrouver (documents / mots) dans le contenu du fichier.
nota, get_mots se réduit à une instruction: document.split(). Créer une fonction pour çà peut paraître inutile mais çà rend le code plus lisible.

- W