Discussion :

[YSENE]

Bonjour,
j'ai besoin de l'aide sur l'exercice suivant. Mon code ne retourne pas le résultat attendu.

le voici l'énoncé de l'exercice:

Écrire une fonction words_by_length(fileName) qui prend en paramètre le nom, sous forme d’une chaîne de caractères, d’un fichier texte, et qui renvoie un dictionnaire associant à une longueur l la liste triée (dans l’ordre utf-8 croissant) des mots de longueur l présents dans le texte contenu dans le fichier. Ces mots seront écrits en minuscules.

Le voici mon code

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
def words_by_length(fileName) :
    dico_inter = {}
    dico_sortie = {}
    with open(fileName, encoding="utf-8") as fichier :
        for ligne in fichier :
            for mot in ligne.split() :
                mot = mot.lower()
                if mot not in dico_inter :
                    dico_inter[mot] = len(mot)
    list_len = list(dico_inter.values()) 
    list_len = sorted(list_len)
    list_mot = list(dico_inter.keys()) 
    list_mot = sorted(list_mot)
    for longueur in list_len :
        for mot2 in list_mot :
            if dico_inter[mot2]==longueur :
                if longueur not in dico_sortie : 
                    dico_sortie[longueur]=[mot2]
                elif mot2 not in dico_sortie[longueur] :
                    dico_sortie[longueur].append(mot2)
    return dico_sortie

[Sve@r]

Bonjour

j'ai besoin de l'aide sur l'exercice suivant. Mon code ne retourne pas le résultat attendu.

Ben chez-moi ton code a parfaitement retourné le résultat attendu.

Après ton code reste très hésitant. D'abord tu récupères les longueurs, puis les mots, puis tu les tries... On voit qu'il te manque quelques habitudes. Si ça t'intéresse voici une solution plus dans l'esprit "Python"...

Code python :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
def words_by_length(fileName) :
	res=dict()
	with open(fileName, encoding="utf-8") as fichier :
		for ligne in fichier :
			for mot in ligne.split():
				res.setdefault(len(mot), list()).append(mot.lower())
		# for
	# with
	return dict((k, sorted(v)) for (k, v) in res.items())
# words_by_length()

[MPython Alaplancha]

Bonjour,

Bonjour

Ben chez-moi ton code a parfaitement retourné le résultat attendu.

Peut être faut-il aussi gérer les ponctuations que peuvent contenir le texte...

[papajoker]

bonjour

comme le dit Hominidé, il faudrait sans doute remplacer split() par une fonction beaucoup plus élaborée ?

Sinon existe une grosse différence entre les 2 fonctions:
YSENE ne duplique pas les mots dans la liste alors que Sve@r le fait (suis pas sûr de la demande dans l'exercice... et si UpyLaB le teste)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
# code de Sve@r avec non duplication
res.setdefault(len(mot), set()).add(mot.lower())

[Sve@r]

YSENE ne duplique pas les mots dans la liste alors que Sve@r le fait

Exact. YSENE utilise le mot comme clef donc avec deux mots identiques un seul sera traité. Et moi je benne en vrac tous les mots trouvés sans me préoccuper d'une redondance.
Je ne vais pas prétendre que j'y ai pensé et que c'est voulu mais avec le recul, l'énoncé parle simplement de "mots de longueur l présents dans le texte contenu dans le fichier" donc je pense que deux mots identiques étant tous deux présents dans le texte doivent : et être pris en compte ; et être restitués tous les deux à la sortie.

Et ta correction via un set() pour assurer l'unicité montre que vraiment c'est pas un gros souci

[fred1599]

Bonjour,

Perso, j'utiliserai les regex pour récupérer tous les mots et éviter les ponctuations et les caractères spéciaux.

[MPython Alaplancha]

Bonjour,

Perso, j'utiliserai les regex pour récupérer tous les mots et éviter les ponctuations et les caractères spéciaux.

Sinon, une simple boucle, sur les ponctuations et caractères spéciaux, sur mot.replace(pattern, "") devrait faire l'affaire...

[fred1599]

Sinon, une simple boucle, sur les ponctuations et caractères spéciaux, sur mot.replace(pattern, "") devrait faire l'affaire...

C'est bien pour cela que je dis perso, parce-qu'à mon sens, le choix des regex doit amener à rendre plus efficace en évitant une boucle Python et utiliser une boucle CPython.

Mais si déjà ça fait le café, ça sera déjà très bien !

[MPython Alaplancha]

Mais si déjà ça fait le café, ça sera déjà très bien !

Oui , tout à fait.
Tu aurais dit "Perso, j'utilise replace()...", je serais probablement intervenu pour ajouter: Sinon, on peut utiliser le module Re ....
histoire de compléter la roue selon qui tient le volant.

[YSENE]

Merci d'avoir réagi pour me venir en aide.
je précise que je suis nouvelle dans la programmation en python. pour la fonction regex quelle est la syntaxe. Merci.
et aussi si je pouvez avoir plus d'information sur l'utilisation de la boucle for

[fred1599]

Hello,

@Beginner,

Je me suis laissé fourvoyer par cette histoire de ponctuations, tu as raison, effectivement, dans mon précédent code je n'avais pas créer de suppression spécifiques liées à la ponctuation.

Pour ceux qui le font, car ils en ont besoin, l'autre solution pourrait être d'utiliser la méthode strip

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
import re
from collections import defaultdict
from string import punctuation
 
word_regex = re.compile(r'\b\w+\b')
 
def get_words(my_file):
    result = defaultdict(set)
    with open(my_file) as f:
         words = word_regex.findall(f.read().lower())
    for word in words:
        result[len(word)].add(word)
 
    return {k: sorted(v) for k, v in result.items()}

À savoir que j'ai utilisé lower alors que selon le PO, le texte est tout en minuscules, et qu'on ne demande pas un tri spécifique...

EDIT: Retrait du paramètre key=len selon la remarque de Sve@r (voir ci-dessus).

[fred1599]

Hello,

Bon comme je l'ai dis avec les regex, voici une proposition,

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
import re
from collections import defaultdict
from string import punctuation
 
word_regex = re.compile(r'\b\w+\b')
punctuation_regex = re.compile(f'[{re.escape(punctuation)}]')
 
 
def get_words(my_file):
    result = defaultdict(set)
    with open(my_file) as f:
        content = punctuation_regex.sub("", "".join(f.read().lower()))
    words = word_regex.findall(content)
    for word in words:
        result[len(word)].add(word)
 
    return {k: sorted(v, key=len) for k, v in result.items()}

C'est sans doute améliorable...

[Beginner.]

Salut,

C'est sans doute améliorable...

Ton code semble plus rapide que le code avec replace car avec cette dernière on parcourt le texte pour chaque signe de ponctuation...

1- Je trouve aussi que d'utiliser findall est meilleur que d'utiliser split, on évite des chaines vides... Et c'est plus polyvalent ---> on cherche d’après les caractères qu'on inclus (comme les lettres de l'alphabet...) et non d’après les caractères qu'on exclus (comme les signes de ponctuation)

Mais du coup je ne vois pas l’intérêt de "nettoyer" le texte (supprimer toutes les ponctuations) car justement ce n'est pas utile avec findall puisque (encore une fois) on cherche d’après les caractères qu'on inclus et non d’après les caractères qu'on exclus.

2- D'ailleurs ce nettoyage peut parfois poser problème, exemple : l'école devient lécole

3- Juste une remarque : au début quand j'ai testé le code il y a avait des choses bizarres, c'était dû au fait qu'il faut préciser l'encodage lors de l'ouverture du fichier...


D'une manière générale je trouve que chercher d’après les caractères qu'on inclus est plus efficace et plus fiable car on sait ce que l'on veut inclure alors que la liste de ce que l'on doit exclure peut être longue, cela peut être plus que les signes de ponctuation...

Qu'en pensez-vous ?

[Sve@r]

C'est sans doute améliorable...

Pettite erreur sur sorted(v, key=len). Il faut trier la liste des mots sur l'ordre alphabétique et non sur leur longueur (surtout que tous les mots de chaque liste ont la même longueur)

selon le PO, le texte est tout en minuscules

En fait il a dit "les mots seront écrits en minuscule". Perso je l'ai compris "devront être écrits en minuscule par votre programme".
Et sur le site Upylab, les fichiers d'exemple contiennent des majuscules.

[fred1599]

Pettite erreur sur sorted(v, key=len). Il faut trier la liste des mots sur l'ordre alphabétique et non sur leur longueur (surtout que tous les mots de chaque liste ont la même longueur)

Arf oui, j'ai vraiment été trop vite sur le coup là