Discussion :

[sousou_]

Bonjour,

Je souhaite tester si tous les mots d'un fichier existent dans un deuxième fichier.
J'ai inséré tous les mots de chaque fichier dans un tableau.

1er fichier:

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
open $fic,'<',$dico or die "fichier non ouvert\n";
# je stocke les mots du dictionnaire dans un tableau
while (<$fic>) {
  for $e(split){
    $e=~s/ //g;
    push @dico_words,$e;
  }
}
close $fic;
 
@que_dans_dico{@dico_words}=();
 
2eme fichier:
open ARA, "".$mytrad."" or die "$mytrad does not exist";
 
@allMots=();
while ($line =<ARA>) {
	$line=~s/\n//g;
	@mots = split (/ /,$line);
 
	foreach $mot (@mots){
		push(@allMots,$mot);
	}
 
}
close ARA;
 
print "mots qui n'existent pas \n";
 
foreach $mot(@allMots){
	if ( grep( /^$mot$/,@dico_words ) ) {
	   print "Matched $mot\n";
	} else {
	   print "Not Matched $mot\n";
	}
 
}

J'ai utilisé grep mais c'est une fonction lourde.. en plus elle ne m'affiche pas les mots contenant certains caracteres comme le $ par exemple..

Est ce que qq'un a une meilleure idée de recherche de mots d'un fichier dans un autre fichier?

Merci

[Schmorgluck]

Tu devrais utiliser des hash, avec les mots comme clés. Les avantages sont d'une part que chaque mot n'y figurera qu'une fois, même s'il apparaît plusieurs fois dans le texte examiné (ce qui, certes, ne devrait pas être le cas du dictionnaire), et d'autre part la recherche y est beaucoup plus efficace qu'un grep.

Cherche un peu dans cette direction.

[sousou_]

Il me semble que si j'utilise un tableau, chaque mot apparaitra une seule fois aussi!

Je me suis dirigé vers l'idée de faire deux boucles imbriquées foreach afin de parcourir les tableaux mot par mot et tester..

Je ne sais pas c'est quoi la différence avec le hashage? est ce qu'il y a vraiment un gain de temps ou c'est pareil?

[Schmorgluck]

Il me semble que si j'utilise un tableau, chaque mot apparaitra une seule fois aussi!

Pas du tout, un tableau peut contenir 50 fois la même donnée. Et comme à aucun moment dans ton script tu ne vérifie si le mot est déjà présent...

Je me suis dirigé vers l'idée de faire deux boucles imbriquées foreach afin de parcourir les tableaux mot par mot et tester..

Inefficace. Ça peut éventuellement valloir le coup, dans un but d'économie de mémoire, si l'un de tes fichiers est très gros, mais ça sera très lent à exécuter (même si on peut envisager des optimisations).

Je ne sais pas c'est quoi la différence avec le hashage? est ce qu'il y a vraiment un gain de temps ou c'est pareil?

Oui, gain de temps très important. Lis la FAQ pour en savoir davantage.

[estofilo]

Il me semble que si j'utilise un tableau, chaque mot apparaitra une seule fois aussi!

Je me suis dirigé vers l'idée de faire deux boucles imbriquées foreach afin de parcourir les tableaux mot par mot et tester..

Je ne sais pas c'est quoi la différence avec le hashage? est ce qu'il y a vraiment un gain de temps ou c'est pareil?

Oui il y a un gain de temps très important en utilisant le hash comme structure de données pour le dictionnaire au lieu d'une recherche séquentielle, surtout si le dictionnaire est de taille significative.

[sousou_]

JE vous remercie pour vos réponses !
Est ce que je dois remplacer les tableaux par des hash?
J'ai regardé le FAQ, et d'après ce que j'ai compris dans le tableau de hashage il n'ya pas d'ordre et donc il serait inutile de faire les boucles for imbriquées à la fin?

Comment pourrais-je alors lancer la recherche?

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
 
open $fic,'<',$dico or die "fichier non ouvert\n";
# je stocke les mots du dictionnaire dans un tableau                                                                                                     
while (<$fic>) {
  for $e(split){
    $e=~s/ //g;
    push @dico_words,$e;
  }
}
close $fic;
@que_dans_dico{@dico_words}=();
 
#Extraction de mots inconnus en utilisant le dictionnaire                                                                                                
open ARA, "".$mytrad."" or die "$mytrad does not exist";
@allMots=();
while ($line =<ARA>) {
        $line=~s/\n//g;
        @mots = split (/ /,$line);
        $n = 0;
        foreach $mot (@mots){
                push(@allMots,$mot);
        }
 
}
close ARA;
 
print "mots qui n'existent pas dans le dico \n";
foreach $mot(@allMots){
    # 0 = mot non trouve, sinon 1                                                                                                                        
    $motTrouve="0";
    foreach $e(@dico_words){
	if ( "$mot" eq "$e" ) {
            $motTrouve="1";
        }
    }
    if (("$motTrouve" eq "0") && ( "$mot" ne "_")) {
        print "mot non trouvé $motTrouve , $mot\n";
        open (BWFILE, ">> $res") or die "Impossible d'ouvrir file en ajout : $!\n";
        print BWFILE "$mot\n";
        close(BWFILE);
    }

Merci.

[estofilo]

Le hash devrait remplacer le tableau pour le dictionnaire uniquement. Un hash associe une valeur à une clef. La clef du hash serait le mot du dictionnaire, et la valeur n'a pas d'importance, on peut mettre 1 par exemple.

Le code:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

    push @dico_words,$e;

est à remplacer par:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

   $dico_hash{$e}=1;

à supposer que %dico_hash soit déclaré plus haut dans le code.


Ensuite ce bout de code de recherche:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
    $motTrouve="0";
    foreach $e(@dico_words){
	if ( "$mot" eq "$e" ) {
            $motTrouve="1";
        }
    }
    if (("$motTrouve" eq "0") && ( "$mot" ne "_")) {
      .. suite ...

peut être remplacé par la ligne:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
 if ( (!exists $dico_hash{$mot}) &&  ( "$mot" ne "_")) {
  ... suite...