Discussion :

[krepitixd]

Bonsoir,

Mon grand oral de NSI pour le bac se porte sur la question suivante : Comment l’informatique peut favoriser l’inclusion des minorités ?

Dans la première partie je parle des algorithmes utilisés pour faire de la discrimination sur le marché de l'emploi en donnant un exemple fait en quelques minutes, j'ai l'impression qu'il marche, enfin il a marché dans deux cas de figures mais je voulais en être sûr donc je le poste ici.

Est-ce que vous pensez possible de me corriger si nécessaire ? Ou du moins me donner des pistes sur comment améliorer le 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
import pytesseract
from pytesseract import image_to_string
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
 
Prenoms = ['SACHA', 'PIERRE', 'BASILE'] # On fait la liste des prénoms acceptés.
 
def Prenom_francais(image): # On crée une fonction qui demande une image d'un cv
	txt = image_to_string(image) #On utilise la fonction image_to_string de pytesseract pour avoir une chaine de caractère du contenu du cv
	splt_txt= txt.split() # On coupe la chaine de caractère en créant une liste de str avec chacun des mots
	for i in range(len(splt_txt)): #p Pour chaque mot de la liste
		if splt_txt[i-1] in Prenoms: # On vérifie que le terme de la liste correspond à un des termes de la liste de prénoms acceptés
			return True # On retourne True si c'est le cas
	return False # Si au bout du contenu du cv il n'y a pas le prénom souhaité alors on retourne False
 
Prenom_francais('cv.jpg') # On appelle la fonction avec le cv à traiter.

[josmiley]

Ha ouais, c'est carrément pas orienté les sujets à l'école...

[umfred]

pourquoi commencer par l'indice i-1 dans ta boucle, alors que i va commencer à 0 ? (même si ça fonctionne)
pourquoi ne pas parcourir directement la liste? for mot in splt_txt:est-ce que tu es sûr que les mots retournés sont en majuscules (ou plutôt en lettres capitales)?

En poussant un peu, un Paul indiquant habité rue Pierre Perret dans son CV, passera la filtre.

[fred1599]

Hello,

Vous n'aurez certainement pas que 3 prénoms à vérifier, mieux vaudrait faire une recherche dans un objet Set pour être plus efficace.

Remplacez aussi range(len(...)) par enumerate si on reste avec les indices, mais mieux serait ni un ni l'autre.

Si c'est pour l'école, c'est bien de tout détailler avec des commentaires comme vous le faîtes...

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
import pytesseract
from pytesseract import image_to_string
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
 
Prenoms = {'SACHA', 'PIERRE', 'BASILE'}  # Utiliser un set pour des lookups plus rapides (O(1)).
 
def Prenom_francais(image):  # Fonction qui prend un chemin d'image d'un CV.
    txt = image_to_string(image)  # Utilise image_to_string pour extraire le texte du CV.
    txt_upper = txt.upper()  # Convertir le texte en majuscules une seule fois.
    splt_txt = txt_upper.split()  # Sépare le texte en une liste de mots.
    for word in splt_txt:  # Pour chaque mot de la liste (sans enumerate, car l'indice n'est pas utilisé).
        if word in Prenoms:  # Vérifie si le mot correspond à un prénom accepté.
            return True  # Retourne True si c'est le cas.
    return False  # Si aucun prénom accepté n'est trouvé, retourne False.
 
Prenom_francais('cv.jpg')  # Appel de la fonction avec le CV à traiter.

Une solution pour améliorer,

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
import pytesseract
from pytesseract import image_to_string
from PIL import Image  # Importer PIL pour le prétraitement de l'image.
 
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
 
Prenoms = {'SACHA', 'PIERRE', 'BASILE'}  # Utiliser un set pour des lookups plus rapides (O(1)).
 
def Prenom_francais(image_path):  # Fonction qui prend un chemin d'image d'un CV.
    # Ouvrir l'image avec PIL.
    img = Image.open(image_path)
 
    # Pré-traitement pour optimiser l'OCR :
    # Convertir en niveaux de gris.
    img = img.convert('L')
 
    # Agrandir l'image pour améliorer la reconnaissance (facteur 2).
    img = img.resize((img.width * 2, img.height * 2))
 
    # Extraire le texte avec pytesseract, en spécifiant la langue française et un mode de segmentation adapté (psm 6 pour bloc de texte uniforme).
    txt = image_to_string(img, lang='fra', config='--psm 6')
 
    txt_upper = txt.upper()  # Convertir le texte en majuscules une seule fois.
    splt_txt = txt_upper.split()  # Sépare le texte en une liste de mots.
 
    for word in splt_txt:  # Pour chaque mot de la liste.
        if word in Prenoms:  # Vérifie si le mot correspond à un prénom accepté.
            return True  # Retourne True si c'est le cas.
    return False  # Si aucun prénom accepté n'est trouvé, retourne False.
 
Prenom_francais('cv.jpg')  # Appel de la fonction avec le CV à traiter.

Autre amélioration, respectez la PEP8 (pas de franglais, fonction sans majuscule, ...)

[krepitixd]

Hello,

Vous n'aurez certainement pas que 3 prénoms à vérifier, mieux vaudrait faire une recherche dans un objet Set pour être plus efficace.

Remplacez aussi range(len(...)) par enumerate si on reste avec les indices, mais mieux serait ni un ni l'autre.

Si c'est pour l'école, c'est bien de tout détailler avec des commentaires comme vous le faîtes...

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
import pytesseract
from pytesseract import image_to_string
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
 
Prenoms = {'SACHA', 'PIERRE', 'BASILE'}  # Utiliser un set pour des lookups plus rapides (O(1)).
 
def Prenom_francais(image):  # Fonction qui prend un chemin d'image d'un CV.
    txt = image_to_string(image)  # Utilise image_to_string pour extraire le texte du CV.
    txt_upper = txt.upper()  # Convertir le texte en majuscules une seule fois.
    splt_txt = txt_upper.split()  # Sépare le texte en une liste de mots.
    for word in splt_txt:  # Pour chaque mot de la liste (sans enumerate, car l'indice n'est pas utilisé).
        if word in Prenoms:  # Vérifie si le mot correspond à un prénom accepté.
            return True  # Retourne True si c'est le cas.
    return False  # Si aucun prénom accepté n'est trouvé, retourne False.
 
Prenom_francais('cv.jpg')  # Appel de la fonction avec le CV à traiter.

Une solution pour améliorer,

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
import pytesseract
from pytesseract import image_to_string
from PIL import Image  # Importer PIL pour le prétraitement de l'image.
 
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
 
Prenoms = {'SACHA', 'PIERRE', 'BASILE'}  # Utiliser un set pour des lookups plus rapides (O(1)).
 
def Prenom_francais(image_path):  # Fonction qui prend un chemin d'image d'un CV.
    # Ouvrir l'image avec PIL.
    img = Image.open(image_path)
 
    # Pré-traitement pour optimiser l'OCR :
    # Convertir en niveaux de gris.
    img = img.convert('L')
 
    # Agrandir l'image pour améliorer la reconnaissance (facteur 2).
    img = img.resize((img.width * 2, img.height * 2))
 
    # Extraire le texte avec pytesseract, en spécifiant la langue française et un mode de segmentation adapté (psm 6 pour bloc de texte uniforme).
    txt = image_to_string(img, lang='fra', config='--psm 6')
 
    txt_upper = txt.upper()  # Convertir le texte en majuscules une seule fois.
    splt_txt = txt_upper.split()  # Sépare le texte en une liste de mots.
 
    for word in splt_txt:  # Pour chaque mot de la liste.
        if word in Prenoms:  # Vérifie si le mot correspond à un prénom accepté.
            return True  # Retourne True si c'est le cas.
    return False  # Si aucun prénom accepté n'est trouvé, retourne False.
 
Prenom_francais('cv.jpg')  # Appel de la fonction avec le CV à traiter.

Autre amélioration, respectez la PEP8 (pas de franglais, fonction sans majuscule, ...)

Merci pour ces précisions, le fait est que je dois présenter ceci en 5minutes et écrire au tableau, ça n'a pas pour but d'être parfaitement optimisé mais d'être un minimum fonctionnel pour donner un exemple.

Je modifie le nom de la fonction et des variables pour respecter la PEP8, en effet ça m'était sorti de la tête

Merci encore

[umfred]

Je serais curieux de connaitre ta partie "thèse" de cette question, vu que l'on a l'antithèse.

Pour ce que j'en lis, tu peux présenter ton algo/programme que tu auras préparé sur papier pendant la phase de préparation, sans avoir besoin de le recopier au tableau

https://www.education.gouv.fr/reussi...nd-oral-100028