Discussion :

[amibar]

Bonjour,
Je voudrai manipuler un fichier .txt. En effet, chaque ligne a la forme suivante:

(école) école/NOUN+HJ/CASE_INDEF_ACC

Je voudrai que la ligne aura la forme suivante:

école NOUN

Je me suis bloquée. Et je n'ai pas su comment procéder?
Pouvez vous m'aider? Et merci.

[Lolo78]

Bonjour,

il faudrait que tu donnes un exemple de fichier un peu plus long pour que l'on puisse mieux comprendre comment on reconnaît les éléments que tu veux garder.

De plus, dans ton résultat:
- le mot "école" doit-il provenir du mot école situé entre paranthèses en début de ligne dans le fichier en entrée ou du mot école précédant le caractère / ? Ou faut-il que ce soit toujours "école"?
- le mot NOUN du résultat correspond-il à ce qui se trouve entre les caractères / et + du fichier en entrée?

[brice45]

Bonjour,

Peux-tu nous donner plus de lignes de ton fichier d'origine ?
Merci

[amibar]

Voici une partie de mon fichier:

(je) je/PP/Singulier
(vais) vais/VERB/Present/Singulier
(à) à/PREP
(une) une/DET/Indef
(nouvelle) nouvelle/ADJ+IK/CASE_INDEF_ACC
(école) école//NOUN+HJ/CASE_INDEF_ACC

Je voudrai obtenir:

je PP
vais VERB
à PREP
une DET
nouvelle ADJ
école NOUN

Sachant que le premier mot dans le fichier souhaité est celui entre parenthèses

[Lolo78]

Tu peux essayer ceci:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
while (<INPUT>) {
     print "$1 $2 \n" if /\((\w+)\).*\/(\w+)\//;
}

[amibar]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
while (<INPUT>) {
     print "$1 $2 \n" if /\((\w+)\).*\/(\w+)\//;
}

Que voulez vous dire par INPUT dans la boucle while??

[Lolo78]

INPUT est le handle du fichier en entrée, tu peux l'appeler ENTREE si tu préfères (ou ce que tu veux).

Tu peux ouvrir le fichier avec une commande de ce type:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

open INPUT, "<mon_fichier_en_entree" or die "ouverture impossible $!\n";

Ensuite, while (<INPUT>) lit toutes les lignes du fichier une à une.

[amibar]

J'ai essayé le code:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
open(FILE,"<fichier.txt");
while (<FILE>) {
    print "$1 $2 \n" if /\((\w+)\).*\/(\w+)\//;
}

Mais, rien ne s'affiche

[amibar]

Pouvez vous m'expliquer le role de chaque caractère dans la condition if:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

print "$1 $2 \n" if /\((\w+)\).*\/(\w+)\//;

[Lolo78]

Je viens d'essayer avec ton code et ton fichier en entrée, ça me donne ceci:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
$ perl test_fic.pl
je PP
vais Present
une DET

Donc, ça marche, mais seulement partiellement, parce que mon expression régulière était construite sur la supposition que les mots entre / .../ ne comportaient que des lettres.

Il faut donc modifier légèrement pour tenir compte des +.

Nouveau code:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
open(FILE,"<fichier.txt");
while (<FILE>) {
    print "$1 $2 \n" if /\((\w+)\).*\/(\w+)[+\/]/;
}

Ce qui me donne le résultat suivant:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
$ perl test_fic.pl
je PP
vais Present
une DET
nouvelle ADJ
ecole NOUN

[Lolo78]

Je t'explique le code de la nouvelle expression régulière, en mettant les différents morceaux à la ligne pour expliquer chacun:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
/     début de l'expression régulière
\(    reconnaît une parenthèse (les parenthèses étant des caractères spéciaux il faut faire \( pour reconnaître une parenthèse
(     parenthèse servant à regrouper les caractères et à les capturer dans $1 et $2
\w+   1 ou plusieurs caractères alphanumériques
)      parenthèse de regroupement et de capture fermante
\)     reconnaît une parenthèse fermante
.*     0 ou plusieurs caractères quelconques
\/    reconnaît le caractère / (le slash étant un caractère spécial, il fait \/ pour reconnaître un /
(     parenthèse pour regrouper et capturer
\w+ 1 ou plusieurs caractères alphanumériques
)     parenthèse fermante de regroupement et capture
[+\/]  caractère + ou caractère /
/     fin de l'expression régulière.

Pour une capture relativement simple comme celle-ci, les expressions régulières sont généralement plus simples, mais celle-ci est compliquée par le fait que texte à analyser contient des signes (parenthèses ouvrantes et fermantes, / et +) qui ont un rôle particulier dans les expressions régulières et qu'il faut donc à chaque fois précéder par un \.

[amibar]

Je vous remercie infiniment pour votre explication fructueuse.
Mais, en fait, j'ai des lignes dans le fichier .txt qui ont la forme suivante:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
(>uxoraY) >uxoraY/ADJ
(laHiqat) laHiq/PV+at/PVSUFF_SUBJ
(bi-) bi-/PREP
(-hA) -hA/PRON_3FS
(>aDorArN) >aDorAr/NOUN+N/CASE_INDEF_NOM
(.) ./PUNC
(() (/PUNC
(w) w/ABB
(S) S/ABBR
(ruwyotirz) ruwyotirz/NOUN_PROP
(>b) >b/ABBREV

le \w+ permet de reconnaitre les caractères alphanumériques, mais, on constate que les mots peuvent contenir des caractères spéciaux. Comment faire dans ce cas?

[Lolo78]

Dans ce cas, il faut une définition beaucoup plus rigoureuse du fichier en entrée.

Le mot entre parenthèses au début peut-il contenir une parenthèse fermante? Si c'est le cas, il faut trouver un autre moyen de distinguer ce mot. Peut-être l'espace après?

De même pour le deuxième mot à récupérer. Je pensais qu'il était encadré par des /, avec éventuellement un +. Si ce n'est pas le cas, il faut préciser comment on peut le reconnaître. Ce sont des choses que je ne peux pas deviner.

[amibar]

Bon, j'ai pu surmonter le problème précedent en utilisant le code suivant:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
open(FILE,"<fichier.txt");
while (<FILE>) {
    print "$1 $2 \n" if /\((.+)\).*\/(.+)[\n+\/]/;
}

Mais, j'ai constaté qu'il ne traite pas la dernière ligne.

De plus, le format du fichier.txt est le suivant:

(je) je/PP/Singulier
(vais) vais/VERB/Present/Singulier
(à) à/PREP
(une) une/DET/Indef
(nouvelle) nouvelle/ADJ+IK/CASE_INDEF_ACC
(école) école//NOUN+HJ/CASE_INDEF_ACC

(>uxoraY) >uxoraY/ADJ
(laHiqat) laHiq/PV+at/PVSUFF_SUBJ
(bi-) bi-/PREP
(-hA) -hA/PRON_3FS
(>aDorArN) >aDorAr/NOUN+N/CASE_INDEF_NOM
(.) ./PUNC
(() (/PUNC
(w) w/ABB
(S) S/ABBR
(ruwyotirz) ruwyotirz/NOUN_PROP
(>b) >b/ABBREV

J'ai utilisé le code ci-dessus sur le fichier, et j'ai obtenu le résultat suivant:

je Singulier
vais Singulier
à PREP
une Indef
nouvelle CASE_INDEF_ACC
école CASE_INDEF_ACC
>uxoraY ADJ
laHiq PVSUFF_SUBJ
bi- PREP
-hA PRON_3FS
>aDorAr CASE_INDEF_NOM
. PUNC
( PUNC
w ABB
S ABBR
ruwyotirz NOUN_PROP

Que dois je faire?

[Lolo78]

Tu dois donner une description complète de ton fichier.

[amibar]

Je vous remercie infiniment pour votre aide.

[Lolo78]

La dernière ligne n'est pas traitée sans doute parce qu'elle n'a pas de retour à la ligne, alors que ton expression régulière attend à la fin du mot à reconnaître un retour à la ligne, un / ou un +. S'il n'y a aucun des trois, l'expression régulière échoue.

Par ailleurs, ton programme ne marchera pas comme tu le désires, je pense, si tu rencontres une ligne de ce genre:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

()) )/PUNC

C'est pour cela que je dis qu'il faudrait être plus précis dans la description du fichier.