Discussion :

[marge31]

Bonjour à tous,

je suis plutôt novice en perl et je rencontre actuellement un problème avec un
programmme de pattern matching.
Mon point de départ est une liste de termes complexes que je dois repérer dans un corpus. Jusque là, pas de souci, mon prog repère les termes. Mais mon but n'est pas de les extraire mais de les baliser dans le corpus lui même et là je sèche.
Si quelqu'un a une idée ce serait super.
Merci d'avance

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
 
 
open (TERMES, "termes.txt") or die "Termes introuvables";
foreach $ligne (<TERMES>){push @termes, $ligne}
foreach(@termes)
{
	pluriels($_);
	chomp($_);
	#s/\r//;
	push @termes_plur, $_;
}
@termes_plur = sort{length($b) <=> length($a)} @termes_plur;
open (FICHIER, "corpus.txt") or die "Fichier d'entrée introuvable";
push @fichier, <FICHIER>;
foreach $terme (@termes_plur)
{
    foreach(@fichier)
    {
	while(/($terme)/g){print $terme."\t".$1."\n"}
    }
}

[Jasmine80]

Jusque là, pas de souci, mon prog repère les termes. Mais mon but n'est pas de les extraire mais de les baliser dans le corpus lui même et là je sèche.

Tu ne peux pas modifier directement ton fichier de données, tu dois en recréer un nouveau (cf module FileHandle) et recopier tes données en les balisant si nécessaire.

Cela t'aide-t'il?

[marge31]

Bonjour Jasmine,

je te remercie de ta réponse mais étant très novice, je ne vois pas trop comment implémenter la chose. Pourrais tu m'en dire plus stp?

Merci

[Jasmine80]

Je pensais à quelque chose de ce genre :

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
#!/usr/local/bin/perl
 
 
 
use strict;
use warnings;
 
use FileHandle;
 
...
 
# inutile de trier
# my @termes_plur = sort{length($b) <=> length($a)} @termes_plur;
 
# ouverture du fichier d'entrée
open my $fh, '<', "corpus.txt" or die $_;
 
# création du fichier de sortie
my $fh_new = FileHandle->new(">new_corpus.txt");
 
# analyse ligne par ligne
while (my $line = $fh){
	# recherche mot par mot de @termes_plur
	foreach my $word (@termes_plur){
		# ajout des balises pour l'ensemble d'un même mot (recherche globale)
		# recherche insensible à la casse
		$line =~ s/($w)/$balise_entrante$1$balisefermante/gi;
	}
	# écriture du résultat dans le nouveau fichier 
	print $fh_new $line;
}
close $fh;

[marge31]

Je viens de tester ton bout de code et voici ce que j'obtiens : GLOB(0x35d0c) et ce des millions de fois. T'as une idée d'ou viendrait le pb?

[Jasmine80]

Non, je ne sais pas d'où vient le problème. Si tu pouvais me donner quelques lignes du fichier corpus en exemple et quelques mots à y rechercher, ça serait plus facile.