trouver un fichier en fonction des mots d'une liste

Version imprimable

bonjour,

je désire un peu d'aide car je bloque sur la suite;
j'aimerai savoir quel méthode utiliser pour pouvoir trouver un fichier(.PDF) donc les mots correspondent a la chaine de caractère.
pour exemple ci dessous via le code serait de trouver le fichier qui contient comme mots 'CHAINE' et 'CARACTERES'
voici le code
Code:

1 2 3 4 5 6 7 8 9 10 11 import os ch = "VOICI_UNE_CHAINE_DE_CARACTERE_COMME_EXEMPLE" ch1 = ch.replace('_', ' ').split() chaine = set(ch1) les_mots = set(('MAISON', 'VILLE', 'CHAINE', 'ARBRE', 'CARACTERE')) mots = chaine&les_mots x = list(mots) y = " ".join(map(str, x)) print(y) ..........
merci encore pour votre aide

27/09/2022, 09h29
MPython Alaplancha
Bonjour,

Citation:

j'aimerai savoir quel méthode utiliser pour pouvoir trouver un fichier(.PDF) donc les mots correspondent a la chaine de caractère.

Regarde du côté de glob():
Le code présenté ci-dessous va lister tous les fichiers pdf du répertoire courant dont le nom comprends les mots CHAINE et CARACTERE .
Code:

1 2 3 from pathlib import Path p=Path('.') print(*p.glob('*CHAINE*CARACTERE*.pdf'))
27/09/2022, 09h41
frederic2710

merci pour ton retour,
petite question, dans mon code c'est la variable qui contient les mots en question, les mots sont complétement aléatoire en fonction de la chaine de caractère.
est ce que le glob peut faire une recherche via une variable(dont elle contient les mots?

merci
27/09/2022, 09h48
MPython Alaplancha

Citation:

Envoyé par frederic2710

merci pour ton retour,
petite question, dans mon code c'est la variable qui contient les mots en question, les mots sont complétement aléatoire en fonction de la chaine de caractère.
est ce que le glob peut faire une recherche via une variable(dont elle contient les mots?

merci

Comme tu peux le voir l'argument de glob() est une string, donc oui !. (il te suffit de formater ta chaine avec format() ou une fstring)

Bon Apparemment, je me suis fait griller :-)
Et en plus, je ne répond pas à la question mais bon, j'avais mal compris.

Déjà tu peux splitter par rapport à un caractère donné (ça ne fait pas avancer ton problème mais bon).
Code:

1 2 3 import os ch = "VOICI_UNE_CHAINE_DE_CARACTERE_COMME_EXEMPLE" ch1 = ch.split('_')
de même
Code:

1 2 y = " ".join(x)
voire
Code:

1 2 print(" ".join(mots)) # join marche aussi sur un set
suffit (quoiqu'il semble que ça dépend des version de python... Pour ma part, je n'ai jamais eu de problème avec ça)

Pour le reste, je ne comprends pas la question.
Les mots, ils sont censés venir d'où ? Tu les cherches dans les noms de fichiers ? dans le contenu des fichiers ?

Pour naviguer dans une arborescence de fichiers, tu peux travailler avec os.walk
Si tu veux ouvrir des fichiers pdf et travailler avec leur contenu, il va falloir utiliser des outils qui peuvent interagir avec du pdf.

https://realpython.com/pdf-python/

Pour des fichiers textes (plus simple, pour l'exemple), ça pourrait donner
Code:

1 2 3 4 5 6 7 8 9 10 11 import os import fnmatch import re wordset = set("les mots que je veux trouver".split()) for root, dirs, files in os.walk("path/to/the/root/dir"): for fname in fnmatch.filter(files, '*.txt'): print(fname) with open(os.path.join(root, fname), encoding="utf-8") as inf: fwordset = re.split('\W+', inf.read()) print(" ".join(wordset & fwordset))

Citation:

Envoyé par fatbob

Pour des fichiers textes (plus simple, pour l'exemple), ça pourrait donner

Code:

1
2
3
4
5
6
7
8
9
10
11
 
import os
import fnmatch
import re
wordset = set("les mots que je veux trouver".split())
for root, dirs, files in os.walk("path/to/the/root/dir"):
    for fname in fnmatch.filter(files, '*.txt'):
        print(fname)
        with open(os.path.join(root, fname), encoding="utf-8") as inf:
            fwordset = re.split('\W+', inf.read())
            print(" ".join(wordset & fwordset))

Le code renvoit une exception ...
Perso, quand on a gouté à grep... :mrgreen:

27/09/2022, 11h46
fatbob

Citation:

Envoyé par Hominidé

Le code renvoit une exception ...
Perso, quand on a gouté à grep... :mrgreen:

C'est quoi, comme exception ? Un problème d'encodage ? J'ai des fichiers en utf8 mais si ils sont dans un autre format, ça plante.

Cela dit, c'est vrai que grep est un bon outil... Sous linux...
Et puis après, ça dépend de ce que tu veux faire des résultats...

mon test me renvoi un generator object Path.glob
voici le code modifié:

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import os
from pathlib import Path
 
ch = "VOICI_UNE_CHAINE_DE_CARACTERE_COMME_EXEMPLE"
ch1 = ch.replace('_', ' ').split()
chaine = set(ch1)
les_mots = set(('MAISON', 'VILLE', 'CHAINE', 'ARBRE', 'CARACTERE'))
mots = chaine&les_mots
x = list(mots)
y = " ".join(map(str, x))
 
p = Path(".")
test = p.glob(y+'.pdf')
 
print(test)

merci

27/09/2022, 14h59
MPython Alaplancha

oui c'est un générateur.
Pour le voir, tu peux par exemple construire une liste avec:

Code:

print(list(test))

Citation:

Envoyé par fatbob

C'est quoi, comme exception ? Un problème d'encodage ?

Tu as oublié de transformer ta liste fwordset en set. Du coup l'opérande '&' râle...

Pour te faire écho ;) :

Code:

1
2
3
4
5
6
7
8
9
from pathlib import Path
 
wordset = set("truc machin chose".split()) #mots à rechercher
path = Path('/tmp')
for file in path.glob('*.txt'):
    with open(file, 'r', encoding="utf-8") as fich:
            for index,ligne in enumerate(fich):
                if any(word in ligne for word in wordset):
                    print(f'Trouvé dans {file}, ligne {index+1}:\n {ligne}')

27/09/2022, 15h02
frederic2710

cela m'affiche une liste vide alors que mon fichier pdf se trouve bien sur le bureau
27/09/2022, 15h08
MPython Alaplancha

Citation:

Envoyé par frederic2710

cela m'affiche une liste vide alors que mon fichier pdf se trouve bien sur le bureau

Tu es allé voir la documentation de glob()? Je ne crois pas :roll:
27/09/2022, 15h11
fatbob

Citation:

Envoyé par Hominidé

Tu as oublié de transformer ta liste fwordset en set. Du coup l'opérande '&' râle...

A yes, j'ai oublié de corriger mon code (j'ai repéré le problème sur mon poste après avoir posté ma première version)
27/09/2022, 16h17
frederic2710

j'ai résolu mon petit problème, j'ai du rentré le chemin a la place de ('.').
en revanche je me retrouve maintenant avec comme chemin
[WindowsPath('X:)] du fait je n'arrive plus a lire mon fichier.

merci encore pour votre aide
29/09/2022, 06h47
MPython Alaplancha

Bonjour,

Citation:

Envoyé par frederic2710

je me retrouve maintenant avec comme chemin
[WindowsPath('X:)] du fait je n'arrive plus a lire mon fichier.

WindowsPath n'est qu'une vue de l'objet, si l'objet est un fichier alors tu peux l'utiliser comme avec n'importe quel fichier.

je viens de m'apercevoir que le nom du chemin a mal été interprété

Citation:

[WindowsPath('X:/FRED/mes_docs/CHAINE_CARACTERE.pdf')]

j'essaie de lire le fichier pdf avec le code ci-dessous mais cela me renvoie une erreur
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 import os from pathlib import Path ch = "VOICI_UNE_CHAINE_DE_CARACTERE_COMME_EXEMPLE" ch1 = ch.replace('_', ' ').split() chaine = set(ch1) les_mots = set(('MAISON', 'VILLE', 'CHAINE', 'ARBRE', 'CARACTERE')) mots = chaine&les_mots x = list(mots) y = " ".join(map(str, x)) p = Path(".") with p.open(y, 'r') as f: lignes = f.readline() print(ligne)

29/09/2022, 14h58
fatbob

Comme indiqué un peu plus haut, un fichier pdf, ce n'est pas un fichier texte. C'est sensiblement plus compliqué à gérer.
Il faut que tu utilises des bibliothèques spécialisées (=google python pdf)
29/09/2022, 15h07
frederic2710
nous sommes d'accord,j'ai oublié de rajouter ces 2 lignes en debut de code
Code:

1 2 import PyPDF2 from PyPDF2 import PdfReader
mais cela ne me lit pas le fichier
29/09/2022, 17h30
MPython Alaplancha

@frederic2710: la question à l'origine de ce post a été résolue en #2.
Si après étude des docs tu as d'autres questions, merci d'ouvrir une autre discussion.