Distance d'édition: écriture

**tonguim** · 20/01/2009, 08h35

Bonjour,

mon objectif est le calcul de distances d'édition dans le cas de l'ecriture. J'ai téléchargé et modifié légèrement le code suivant. Mais à l'exécution, le programme ne tient pas compte de mon dictionnaire lexical, et juge que tous les mots que j'écris sont corrects, ce qui n'est pas vrai. Le programme doit comparer chaque mot que j'écrit avec tous les mots du dictionnaire, et calculer les distances d'édition à chaque fois.

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
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
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
/* 
 * spell.c --- spell corrector
 * 
 * Copyright  (C)  2007  Marcelo Toledo <marcelo@marcelotoledo.org>
*/
 
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <ctype.h>
#include <search.h>
#include <sys/types.h>
#include <sys/stat.h>
#include <unistd.h>
 
//#define DICTIONARY "./big.txt"
#define DICTIONARY "./DICO_1129.txt"
#define DICT_SZ    3000000
 
const char delim[]    = ".,:;`/\"+-_(){}[]<>*&^%$#@!?~/|\\=1234567890 \t\n";
const char alphabet[] = "abcdefghijklmnopqrstuvwxyz";
 
static char *strtolower(char *word)
{
        char *s;
 
        for (s = word; *s; s++)
                *s = tolower(*s);
 
        return word;
}
 
static ENTRY *find(char *word)
{
        ENTRY e;
 
        e.key = word;
        return hsearch(e, FIND);
}
 
static int update(char *word)
{
        ENTRY *e = find(word);
 
        if (!e)
                return 0;
 
        e->data++;
 
        return 1;
}
 
static int read_file(ENTRY dict)
{
        char *file, *word, *w;
        FILE *fp = fopen(DICTIONARY, "r");
        struct stat sb;
 
        if (!fp)
                return 0;
 
        if (stat(DICTIONARY, &sb))
                return 0;
 
        file = malloc(sb.st_size);
        if (!file) {
                fclose(fp);
                return 0;
        }
 
        fread(file, sizeof(char), sb.st_size, fp);
 
        word = strtok(file, delim);
        while(word != NULL) {
                w = strtolower(strdup(word));
 
                if (!update(w)) {
                        dict.key  = w;
                        dict.data = 0;
                        hsearch(dict, ENTER);
                }
 
                word = strtok(NULL, delim);
        }
 
        free(file);
        fclose(fp);
 
        return 1;
}
 
static char *substr(char *str, int offset, int limit)
{
        char *new_str;
        int str_size = strlen(str);
 
        if ((limit > str_size) || ((offset + limit) > str_size) || 
            (str_size < 1) || (limit == 0))
                return NULL;
 
        new_str = malloc(limit+1 * sizeof(char));
        if (!new_str)
                return NULL;
 
        strncpy(new_str, str+offset, limit);
        *(new_str + limit) = '\0';
 
        return new_str;
}
 
static char *concat(char *str1, char *str2)
{
        if (!str1) { 
                str1 = malloc(sizeof(char));
                *str1 = '\0';
        }
 
        if (!str2) { 
                str2 = malloc(sizeof(char));
                *str2 = '\0';
        }
 
        str1 = realloc(str1, strlen(str1) + strlen(str2) + 1);
        return strcat(str1, str2);
}
 
static int deletion(char *word, char **array, int start_idx)
{
        int i, word_len = strlen(word);
 
        for (i = 0; i < word_len; i++)
                array[i + start_idx] = concat(substr(word, 0, i), substr(word, i+1, word_len-(i+1)));
 
        return i;
}
 
static int transposition(char *word, char **array, int start_idx)
{
        int i, word_len = strlen(word);
 
        for (i = 0; i < word_len-1; i++)
                array[i + start_idx] = concat(concat(substr(word, 0, i), 
                                                     substr(word, i+1, 1)), 
                                              concat(substr(word, i, 1), 
                                                     substr(word, i+2, word_len-(i+2))));
 
        return i;
}
 
static int alteration(char *word, char **array, int start_idx)
{
        int i, j, k, word_len = strlen(word);
        char c[2] = { 0, 0 };
 
        for (i = 0, k = 0; i < word_len; i++)
                for (j = 0; j < sizeof(alphabet); j++, k++) {
                        c[0] = alphabet[j];
                        array[start_idx + k] = concat(concat(substr(word, 0, i), (char *) &c), 
                                                      substr(word, i+1, word_len - (i+1)));
                }
 
        return k;
}
 
static int insertion(char *word, char **array, int start_idx)
{
        int i, j, k, word_len = strlen(word);
        char c[2] = { 0, 0 };
 
        for (i = 0, k = 0; i <= word_len; i++)
                for (j = 0; j < sizeof(alphabet); j++, k++) {
                        c[0] = alphabet[j];
                        array[start_idx + k] = concat(concat(substr(word, 0, i), (char *) &c), 
                                                      substr(word, i, word_len - i));
                }
 
        return k;
}
 
static int edits1_rows(char *word)
{
        register int size = strlen(word);
 
        return (size)                          + // deletion
               (size - 1)                      + // transposition
               (size * sizeof(alphabet))       + // alteration
               (size + 1) * sizeof(alphabet);    // insertion
}
 
static char **edits1(char *word)
{
        int next_idx;
        char **array = malloc(edits1_rows(word) * sizeof(char *));
 
        if (!array)
                return NULL;
 
        next_idx  = deletion(word, array, 0);
        next_idx += transposition(word, array, next_idx);
        next_idx += alteration(word, array, next_idx);
        insertion(word, array, next_idx);
 
        return array;
}
 
static int array_exist(char **array, int rows, char *word)
{
        int i;
 
        for (i = 0; i < rows; i++)
                if (!strcmp(array[i], word))
                        return 1;
 
        return 0;
}
 
static char **known_edits2(char **array, int rows, int *e2_rows)
{
        int i, j, res_size, e1_rows;
        char **res = NULL, **e1;
 
        for (i = 0, res_size = 0; i < rows; i++) {
                e1      = edits1(array[i]);
                e1_rows = edits1_rows(array[i]);
 
                for (j = 0; j < e1_rows; j++)
                        if (find(e1[j]) && !array_exist(res, res_size, e1[j])) {
                                res             = realloc(res, sizeof(char *) * (res_size + 1));
                                res[res_size++] = e1[j];
                        }
        }
 
        *e2_rows = res_size;
 
        return res;
}
 
static char *max(char **array, int rows)
{
        char *max_word = NULL;
        int i, max_size = 0;
        ENTRY *e;
 
        for (i = 0; i < rows; i++) {
                e = find(array[i]);
                if (e && ((int) e->data > max_size)) {
                        max_size = (int) e->data;
                        max_word = e->key;
                }
        }
 
        return max_word;
}
 
static void array_cleanup(char **array, int rows)
{
        int i;
 
        for (i = 0; i < rows; i++)
                free(array[i]);
}
 
static char *correct(char *word)
{
        char **e1, **e2, *e1_word, *e2_word, *res_word = word;
        int e1_rows, e2_rows;
 
        if (find(word))
                return word;
 
        e1_rows = edits1_rows(word);
        if (e1_rows) {
                e1      = edits1(word);
                e1_word = max(e1, e1_rows);
 
                if (e1_word) {
                        array_cleanup(e1, e1_rows);
                        free(e1);
                        return e1_word;
                }
        }
 
        e2 = known_edits2(e1, e1_rows, &e2_rows);
        if (e2_rows) {
                e2_word = max(e2, e2_rows);
                if (e2_word)
                        res_word = e2_word;
        }
 
        array_cleanup(e1, e1_rows);
        array_cleanup(e2, e2_rows);
 
        free(e1);
        free(e2);
 
        return res_word;
}
 
int main(int argc, char **argv)
{
        char *corrected_word;
        ENTRY dict;
 
        hcreate(DICT_SZ);
 
        if (!read_file(dict))
                return -1;
 
        corrected_word = correct(argv[1]);
        if (strcmp(corrected_word, argv[1])) {
                printf("Did you mean \"%s\"?\n", corrected_word);
        } else {
                printf("\"%s\" is correct!\n", argv[1]);
        }
        return 0;
 
        //system ("pause");
}

Invité(e) · 20/01/2009, 09h13

Bonjour,

le problème vient à mon avis de l'initialisation de res_word dans la fonction correct.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
static char *correct(char *word)
{
        char **e1, **e2, *e1_word, *e2_word, *res_word = word;

il aurait fallu écrire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
static char *correct(char *word)
{
        char **e1, **e2, *e1_word, *e2_word, *res_word = "";

Avec un dico ne contenant que le mot chien
Avant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
>./a.exe niche
"niche" is correct!

Après :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
>./a.exe niche
Did you mean ""?
 
>./a.exe chien
"chien" is correct!

Au passage, si le dico est absent, le programme quitte sans explication, c'est génant...

**tonguim** · 21/01/2009, 13h51

Bonjour Mabu, merci pour ta réponse.

Le problème demeure inchangé: j'ai toujours "correct", que le mot soit vrai ou faux.

**souviron34** · 21/01/2009, 14h15

Primo, ça sent le "hacker" et l'obfuscation...

Pas d'initialisation des pointeurs.
Sous-entendus pour faire court dans l'écriture et qui n'apportent rien, au contraire..

(exemple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

        for (s = word; *s; s++)

est une horreur...

Je pense que l'erreur vient de :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

                w = strtolower(strdup(word));

ce devrait être :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
w = strdup(word);
w = strtolower(w);

Peut-être.....

Mais le code est tellement mal fait que je ne regarderais pas plus...

**Médinoc** · 21/01/2009, 14h26

On peut rajouter à cela l'absence de const, et l'abus de int là où des size_t sont plus appropriés (des tas de warnings 64 bits sous Visual)...

Mais au moins il n'y a pas de cast de malloc().

**souviron34** · 21/01/2009, 14h30

Envoyé par Médinoc

Mais au moins il n'y a pas de cast de malloc().

on ne rentrera pas dans ce débat

Mais le code est typiquement ce qui se fait d'ultra mauvais dans l'Open Source... ou le freeware...

**souviron34** · 22/01/2009, 10h51

Bpn j'ai regardé...

C'est une vraie hooreur de partout.. SURTOUT A NE PAS SUIVRE...

FILE*, char *, en général tous les pointeurs sont pris pour des booléens.. Qu'est-ce que ça coûte de tester réellement par rapport à leur valeur de retour (NULL, ou des 0, etc..) ??

En fait, le problème est là où l'a dit mabu.. MAis pour bien départager il fau assigner à NULL.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
static char *correct(char *word)
{
        char **e1, **e2, *e1_word, *e2_word, *res_word = NULL;

Et rajouter dans le main :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
 
        if ( (mot_corrige = correct(argv[1])) == NULL )
        { 
           printf("Mot inconnu !!\n");
        }
        else
        if (strcmp(argv[1], mot_corrige)) {
                printf("Vouliez-voud dire \"%s\"?\n", mot_corrige);
        } else {
                printf("\"%s\" est correct!\n", argv[1]);
        }

**tonguim** · 22/01/2009, 14h09

Bonsoir, merci.
J'obtiens l'erreur suivante à l'exécution:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
Program received signal SIGSEGV, Segmentation fault.
0xb7ed9113 in strlen () from /lib/libc.so.6
(gdb) Quit
(gdb) bt
#0  0xb7ed9113 in strlen () from /lib/libc.so.6
#1  0xb7f2a3d8 in hsearch_r () from /lib/libc.so.6
#2  0xb7f2a39c in hsearch () from /lib/libc.so.6
#3  0x0804876a in find (mot=0x0) at correctionEcriture.c:35
#4  0x0804903e in correct (mot=0x0) at correctionEcriture.c:267
#5  0x08049146 in main (argc=1, argv=0xbf9c90d4) at correctionEcriture.c:353

J'ai une erreur de segmentation liée à fonction strlen() incluse dans la fonction hsearch.

**souviron34** · 22/01/2009, 14h24

Envoyé par tonguim

Bonsoir, merci.
J'obtiens l'erreur suivante à l'exécution:
.
J'ai une erreur de segmentation liée à fonction strlen() incluse dans la fonction hsearch.

Tu as dû faire autre chose..

Le res_word est affecté à la fin, et n'est pas utilisé dans find....

Distance d'édition: écriture

C

Vue hybride

Discussions similaires

Partager

Partager