Pb programme pattern matching

Version imprimable

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:

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"} } }

24/07/2009, 14h42
Jasmine80

Citation:

Envoyé par marge31

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?
27/07/2009, 09h43
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

Je pensais à quelque chose de ce genre :

Code:

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;

27/07/2009, 11h06
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?
27/07/2009, 11h10
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.

J'ai corrigé mon script, voici la nouvelle version :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# 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 $w (@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;

27/07/2009, 13h59
marge31

Ca marche!!!!
Merci merci beaucoup!!!!
27/07/2009, 14h11
Jasmine80

Tant mieux, n'oublie pas de clore ce sujet.