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 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239
| import tkinter as tk
from tkinter import filedialog , messagebox
from locallm import InferenceParams, LmParams, LocalLm
import PyPDF2
from PyPDF2 import PdfReader # Importation de PdfReader
# modele d'analyse de text
import re
import nltk
from nltk.tokenize import word_tokenize
from nltk.corpus import stopwords
from nltk.stem import SnowballStemmer
from nltk.tokenize import sent_tokenize
import os
nom_fichier_origine =None
nom_repertoire_origine =None
nltk.data.path.append(r"C:\environnement_python\models-ia\nltk_data")
models_dir=r"C:\environnement_python\models-ia"
# Déclaration d'une instance de LocalLm
lm = LocalLm(
LmParams(
models_dir=models_dir,
threads =get_num_threads,
is_verbose=True,
)
)
lm.load_model("mistral-7b-instruct-v0.1.Q4_K_M.gguf", 8192)
def get_num_threads():
"""Obtient le nombre de threads sur le système."""
try:
num_threads = os.cpu_count() # Récupère le nombre de processeurs logiques
if num_threads is not None:
return int(num_threads * 0.8)
else:
messagebox.showerror("Problème pc", "Impossible de récupérer le nombre de threads.")
return None
except NotImplementedError:
messagebox.showerror("Problème pc", "Impossible de récupérer le nombre de threads.")
return None
# Fonction pour traduire un texte
def traduire(Le_texte):
template = "<s>[INST] Traduite d'anglais en français[ le text {prompt} /INST]"
result = lm.infer(
Le_texte,
InferenceParams(
template=template,
temperature=0.2,
stream=False,
max_tokens=8192,
),
)
result_text = result['text']
return result_text
def analyse_de_text_v(text):
# Tokenization : Diviser un texte en mots, phrases ou autres éléments linguistiques plus petits.
# Stopwords : Fournit une liste de mots courants qui sont souvent considérés comme non informatifs et qui peuvent être omis lors de l'analyse de texte.
# Stemming : Réduire les mots à leur forme de base en supprimant les affixes. Par exemple, "running" devient "run".
# Lemmatization : Réduire les mots à leur forme de base en utilisant des règles linguistiques et en tenant compte du contexte. Par exemple, "running" deviendrait "run".
# Part-of-speech (POS) tagging : Assigner des parties du discours à chaque mot dans un texte.
# Analyse syntaxique : Analyser la structure grammaticale des phrases dans un texte.
# WordNet : Une base de données lexicale comprenant des mots groupés par synonymes et organisés en concepts.
# Supprimer les blocs de caractères inutiles
# Tokenization : Diviser un texte en mots, phrases ou autres éléments linguistiques plus petits.
words = word_tokenize(text)
# Suppression des stopwords et application du stemming tout en préservant la casse originale
stemmer = SnowballStemmer('english')
processed_words = []
for word in words:
if word.lower() not in stopwords.words('english'): # Vérification du mot en minuscule pour les stopwords
processed_words.append(stemmer.stem(word)) # Application du stemming au mot d'origine
else:
processed_words.append(word) # Ajout du mot tel quel s'il est dans les stopwords
# Reconstruction du texte
processed_text = ' '.join(processed_words)
return processed_text
def analyse_de_text(text):
text = re.sub(r'\.{4,}', '', text)
text = re.sub(r'(\S+)\n(\S+)', r'\1 \2', text)
text = re.sub(r'(\S+)\-\n(\S+)', r'\1\2', text) # Supprimer les retours à la ligne entre les mots
return text
# Fonction pour extraire le texte d'un fichier PDF
def extract_text_from_pdf(pdf_file_path):
global nom_repertoire_origine, nom_fichier_origine
status_label.config(text="Traitement en cours convertion pdf en texte... Veuillez patienter.")
# Obtenir le nom du fichier d'origine sans l'extension
nom_fichier_origine = os.path.splitext(os.path.basename(pdf_file_path))[0]
# Obtenir le nom du répertoire et le nom du fichier d'origine sans l'extension
nom_repertoire_origine = os.path.dirname(pdf_file_path)
# Nom du fichier de sortie avec le nom du répertoire et "_V1.txt" ajouté à la fin
fichier_sortie = os.path.join(nom_repertoire_origine, f"{nom_fichier_origine}_V1.txt")
text = ""
with open(pdf_file_path, 'rb') as file:
reader = PdfReader(file)
num_pages = len(reader.pages)
for page_number in range(num_pages):
page = reader.pages[page_number]
text += page.extract_text()
# Supprimer les blocs de caractères inutiles
text =analyse_de_text(text)
with open(fichier_sortie, "w", encoding="utf-8") as file:
file.write(text)
return text
def traduire_et_sauvegarder_tk(pdf_file_path):
global nom_repertoire_origine, nom_fichier_origine
# Afficher un message de traitement en cours dans la fenêtre principale
status_label.config(text="Traitement traduction en cours ... Veuillez patienter.")
# Extraire le texte du PDF
texte_pdf = extract_text_from_pdf(pdf_file_path)
# Chemin du fichier de sortie
fichier_sortie = os.path.join(nom_repertoire_origine, f"{nom_fichier_origine}_fr.txt")
# Découper le texte en blocs de tokens de taille appropriée
taille_max_bloc = 8192
blocs_de_tokens = [texte_pdf[i:i+taille_max_bloc] for i in range(0, len(texte_pdf), taille_max_bloc)]
# Ouvrir le fichier de sortie une seule fois pour toutes les opérations d'écriture
with open(fichier_sortie, "w", encoding="utf-8") as file:
for bloc in blocs_de_tokens:
# Traduire le bloc de texte actuel
bloc_traduit = traduire(bloc)
# Écrire le texte traduit dans le fichier de sortie
file.write(bloc_traduit)
# Indiquer que le traitement est terminé
status_label.config(text="Traitement terminé.")
def traduire_et_sauvegarder(pdf_file_path):
global nom_repertoire_origine, nom_fichier_origine
# Afficher un message de traitement en cours dans la fenêtre principale
status_label.config(text="Traitement traduction en cours ... Veuillez patienter.")
# Extraire le texte du PDF
texte_pdf = extract_text_from_pdf(pdf_file_path)
# Chemin du fichier de sortie
fichier_sortie = os.path.join(nom_repertoire_origine, f"{nom_fichier_origine}_fr.txt")
# Découper le texte en phrases avec NLTK
phrases = sent_tokenize(texte_pdf)
# Concaténer les phrases par blocs de 10
blocs_de_phrases = [' '.join(phrases[i:i+10]) for i in range(0, len(phrases), 10)]
# Ouvrir le fichier de sortie une seule fois pour toutes les opérations d'écriture
with open(fichier_sortie, "w", encoding="utf-8") as file:
for bloc in blocs_de_phrases:
# Traduire le bloc de phrases
bloc_traduit = traduire(bloc)
# Écrire le bloc traduit dans le fichier de sortie
file.write(bloc_traduit + "\n\n")
# Indiquer que le traitement est terminé
status_label.config(text="Traitement terminé.")
# Fonction pour gérer le bouton "Choisir PDF"
def choisir_pdf():
filepath = filedialog.askopenfilename(filetypes=[("PDF files", "*.pdf")])
if filepath:
traduire_et_sauvegarder(filepath)
def about():
messagebox.showinfo("About", "Cette application prend en charge le fichier PDF")
def quit_app(root):
if messagebox.askokcancel("Quitter", "Etes vous sure de vouloir fermer l'application?"):
root.destroy()
def main():
root = tk.Tk()
root.title('CSV File Reader/Writer')
root.geometry('500x500')
# Créer une étiquette pour afficher le statut du traitement
global status_label
status_label = tk.Label(root, text="", bd=1, relief=tk.SUNKEN, anchor=tk.W)
status_label.pack(side=tk.BOTTOM, fill=tk.X)
# Menu bar
menubar = tk.Menu(root)
root.config(menu=menubar)
file_menu = tk.Menu(menubar, tearoff=0)
file_menu.add_command(label="Choisir PDF", command=choisir_pdf)
file_menu.add_separator()
file_menu.add_command(label="Quit", command=lambda: quit_app(root))
menubar.add_cascade(label="File", menu=file_menu)
# About menu
about_menu = tk.Menu(menubar, tearoff=0)
about_menu.add_command(label="About", command=about)
menubar.add_cascade(label="About", menu=about_menu)
# Lancement de la boucle principale de Tkinter
root.mainloop()
if __name__ == "__main__":
main() |
Partager