segmentation d'un document en section

Bonjour,

est-il possible de baliser un texte en section mais automatiquement avec un script Perl.
par exemple si je prend un article composé d'une intro, de 4 titre et d'une conclusion, je veux le baliser en paragraphes avec comme balise into, titre 1.. conclusion.

Mes salutations.

Salut.
Je te poserais juste une petite question :
Les titres sont-ils parfaitement identifiables?
Par exemple :
1]Titre 1
1.1]Sous-Titre1
etc...
Si c'est le cas tu prend le pattern d'un titre et tu crée une expression régulière qui repère chaque titre et ajoute une balise.
Dans l'exemple que je t'ai donné cela ferais un truc du genre :

Code:

---

1 2 3 4 5 6 7

#$texte contient le texte de ton fichier. $texte=GetText; #Si tu veux remplacer le titre par la balise $texte=~s/\](.*)\n/<$1>/g; #Si tu veux l'ajouter $texte=~s/(\](.*)\n)/$1<$2>\n/g;

---

Citation:

---

Envoyé par knarf87

Salut.
Je te poserais juste une petite question :
Les titres sont-ils parfaitement identifiables?
Par exemple :
1]Titre 1
1.1]Sous-Titre1
etc...
Si c'est le cas tu prend le pattern d'un titre et tu crée une expression régulière qui repère chaque titre et ajoute une balise.
Dans l'exemple que je t'ai donné cela ferais un truc du genre :

Code:

---

1 2 3 4 5 6 7

#$texte contient le texte de ton fichier. $texte=GetText; #Si tu veux remplacer le titre par la balise $texte=~s/\](.*)\n/<$1>/g; #Si tu veux l'ajouter $texte=~s/(\](.*)\n)/$1<$2>\n/g;

---

---

je travaille sur des textes qui respectent aucune logique, comme le TEI, c'est un peu compliqué

Si tu veux écrire un script perl, il faudrait que tu identifies les informations te permettant de définir la section dans laquelle tu te trouves. Cela pourrait-être certains caractères comme les tabulations. Si tu n'as vraiment pas de cohérence, je pense que ce n'est pas possible.

Citation:

---

Envoyé par Jasmine80

Si tu veux écrire un script perl, il faudrait que tu identifies les informations te permettant de définir la section dans laquelle tu te trouves. Cela pourrait-être certains caractères comme les tabulations. Si tu n'as vraiment pas de cohérence, je pense que ce n'est pas possible.

---

moi aussi je vois pas que c 'est possible, car je reçois des textes qui sont pas identiques, tous ce que j'ai pu faire c'est le balisage des mots , ensuite je ferai la recherche sur les mots, et je garde les textes brut pour les extraire après.

Merci

Citation:

---

tous ce que j'ai pu faire c'est le balisage des mots , ensuite je ferai la recherche sur les mots, et je garde les textes brut pour les extraire après.

---

Avec perl? Sur quelles bases balises-tu tes mots? Les recherches de mots en perl sont très puissantes grâce aux expressions régulières.
Si tu as d'autres questions, n'hésite pas. Sinon indique que ce sujet est résolu.

Citation:

---

Envoyé par Jasmine80

Avec perl? Sur quelles bases balises-tu tes mots? Les recherches de mots en perl sont très puissantes grâce aux expressions régulières.
Si tu as d'autres questions, n'hésite pas. Sinon indique que ce sujet est résolu.

---

oui avec Perl, j'ai procédé comme suite :
découper texte --> phrases
découper phrases --> mots
étiqueter les mots (utilisation de dictionnaire, hash)
imprimer le résultat en fichier CesAna