Gestion des césures, syllabes - coupures de mots [Débat]

**djibril** · 13/08/2015, 00h30

Bonsoir à tous,

Juste par curiosité, je me demandais si Perl qui est un très bon langage de traitement de texte possédait un module qui permet de gérer les coupures de mots avec ou sans césures. Elles sont généralement utiles en fin de ligne justifiée afin de couper le mot au bon endroit si possible. Bien évidement, cela dépend de chaque langue, mais en l’occurrence en français, est-ce qu'un module est existant sur le CPAN.
Par la même occasion, cela revient à être capable de couper correctement un mot en identifiant les syllabes et les césures dans les règles de l'art.

Prenons pour exemple le mot : représentation.
Couper ce mot revient à le tronquer de la sorte : re-pré-sen-ta-tion. Néanmoins, une césure ne doit pas laisser un mot de moins de trois lettres en début ou fin de ligne. De ce fait, la bonne coupure est repré-sen-ta-tion.

Il serait intéressant d'avoir un module Perl qui soit capable de faire ce genre de coupures

. Vous en connaissez ? Dans d'autres langages cela doit exister vu que les coupures de mots sont gérés dans Word, OpenOffice... Cela permettrait d'améliorer les modules de coupure de texte comme Text::Wrap, Text::Format...

Le seul module que j'ai trouvé est : Text::Hyphen qui utilise l'algorithm Knuth-Liang que je ne connais pas.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
use Text::Hyphen;
 
my $hyphenator = new Text::Hyphen;
 
print $hyphenator->hyphenate('representation');
# prints rep-re-sen-ta-tion

Qu'en pensez-vous de l'idée d'avoir ce genre de module, existe-il déjà ?

**dmganges** · 13/08/2015, 06h52

Bonjour djibril,
Je ne connais pas de module Perl faisant la césure de mot en syllabes, mais j'avais fait çà en C

, il y a près d'une trentaine d'années pour une "phonétisation", plutôt une simplification orthographique pour un thésaurus...

De mémoire, la fonction faisait le découpage en tout au plus une trentaine de lignes.
La piste que j'avais utilisé :
- Mettre le mot dans un tableau, pour accéder à chaque lettre
- Pour chaque lettre déterminer s'il s'agit d'une consonne ou d'une voyelle

Lire le tableau et appliquer les règles :
Celles dont je me souviens de mémoire :
- Si 2 consonnes se suivent on fait une césure entre les deux consonnes
- Si une ou plusieurs voyelles est/sont suivie(s) par une consonne, on coupe juste devant la consonne
Il y a une petite dizaine d'exception...
...
Un mot ne contient pas plus de 5 consonnes successives, le seul que j'ai rencontré à ce jour est Nietzsche

Tiens, je viens de trouver çà, ça ne devrait pas te poser de pb de programmation Perl

Je n'ai plus l'utilité d'un tel module, mais l'idée est excellente !

[EDIT 06:55] Code C
Tiens je viens de retrouver dans mes archives un bout de code C, ce n'est probablement pas le dernier...
NB : Il ne s'agissait pas de coller absolument aux règles de grammaire, mais de contourner avant tout les fautes d'orthographes de textes écrits par de nombreux personnels...
Le module gérait également les locutions et leurs synonymies... Ex :
Transport de matière dangereuse = Transport matière fissile = Transport matière radioactive...

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
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
                                  /*   CESURES   */
 
cesu(motinit,motcesures)
char motinit[];
char motcesures[];
 
{
int i=0,j=0,voyrencontre=0;
 
while (motinit[i]!='\0')
   {
    if (estvoy(motinit[i]))                      /*   VOYELLES     */
	if (estvoy(motinit[i]) &&                /*   glu-ant      */
	    (motinit[i-1]=='u' &&                /*   mar-quant    */
             motinit[i-2]!='q' &&                /*  u-a  -quant   */
	     motinit[i-2]!='g') &&
	    (motinit[i]=='i' &&
	     motinit[i+1]=='n'))
	   {
	    motcesures[j++]='-';
	    motcesures[j++]=motinit[i++];
	   }
       else
           {                                      /*  cas general */
            motcesures[j++]=motinit[i++];         /*    te-te     */
            voyrencontre=1;
           }
 
    else                                          /*   CONSONNES  */
      if (motinit[i+1]=='l' && motinit[i]!='l'    /*   e-xem-ple  */
			    && motinit[i]!='h'    /* a-phro-di-te */
			    && motinit[i]!='r'    /*  sur-li-gne  */
			    && i!=0)              /*  -phr  -pl   */
	 {
	  motcesures[j++]='-';
	  motcesures[j++]=motinit[i++];
	  voyrencontre=0;
	 }
 
    else                                            /*  im-pri-me  */
      if (motinit[i+1]=='r' && motinit[i]!='r'      /*     -pr     */
			    && motinit[i]!='h'
			    && motinit[i]!='n'      /* en-registre */
			    && i!=0)
	 {
	  motcesures[j++]='-';
	  motcesures[j++]=motinit[i++];
	  voyrencontre=0;
         }
 
    else                                          /* am-phi-thea-tre */
      if (motinit[i+1]=='h' && i!=0 &&            /*   de-clen-cher  */
	           (motinit[i]=='c' ||            /*   embau-cher    */
		    motinit[i]=='p' ||            /*  -ch -ph -th    */
	            motinit[i]=='t'))
	 {
	  motcesures[j++]='-';
	  motcesures[j++]=motinit[i++];
          voyrencontre=0;
         }
 
    else                                           /*  cham-pa-gne  */
      if (motinit[i+1]=='n' &&                     /*         -gn   */
	    motinit[i]=='g' && i!=0)
	 {
	  motcesures[j++]='-';
	  motcesures[j++]=motinit[i++];
          voyrencontre=0;
         }
 
    else
      if (estvoy(motinit[i+1]) &&                  /* cas generaux  */
	 i!=0 && voyrencontre)                     /* voyelle deja  */
	 {                                         /*  rencontree   */
	  motcesures[j++]='-';
          motcesures[j++]=motinit[i++];
         }
      else
          motcesures[j++]=motinit[i++];            /* voyelle pas   */
   }                                               /* encore ren-   */
motcesures[j]='\0';                                /*   contree     */
}

NB : Les commentaires expriment l'idée générale de la règle et ne correspondent pas systématiquement au code C qui précède

J'ai perdu le reste

Je m'étais également aidé du Dictionnaire des rimes orales et écrites
Bon courage

**djibril** · 13/08/2015, 11h11

Voici quelques liens intéressants :

http://www.plumefrancaise.fr/fr/c%C3%A9sure

https://fr.wikipedia.org/wiki/C%C3%A...typographie%29

Bonjour à tous !
Ce sujet m’a intéressé, et je me permets d’y revenir bien qu’il soit un peu ancien — ne serait-ce que parce que d’une part ça n’est pas non plus très ancien, d’autre part en cherchant sur Google par exemple on peut tomber dessus et avoir la curiosité de le lire — comme ç’a été mon cas, et ça m’a bien intéressé !
Je vais essayer de faire en sorte, donc, que ce soit lisible.

Il me semble que plusieurs choses ont été mélangées, et que pour les uns et les autres le terme “syllabation” ne recouvre pas la même réalité pour les uns et les autres.
Il faut bien distinguer par exemple l’écrit et l’oral. L’exemple de pavement m’a frappé. Pour l’écrit, la seule syllabation est pa-ve-ment. Si l’on peut envisager pave-ment et pa-vement, c’est uniquement parce que la voyelle -e- [ə] est instable en français (on parle parfois de schwa) et peut disparaître. Il est important de remarquer que c’est peut, et non pas doit.
Prenez le mot revenir ; syllabation écrite (même si ce concept, je vais y revenir, est lui-même flou) : re-ve-nir ; mais à l’oral, certains disent r'venir, d’autres rev'nir. Il me paraît donc bien téméraire de vouloir légiférer à l’écrit une syllabation orale, dans la mesure où l’écrit est fixe et l’oral fluctuant.

Syllabation et langue des vers

Je suis arrivé ici parce que je me préoccupe de la syllabation dans la versification classique (XVIIe–XVIIIe siècles, voire une bonne partie du XIXe). Dans ce domaine, il y a ce que l’on peut appeler une langue des vers qui fixe la prononciation. Dans la langue des vers, par exemple, il n’y a pas de [ljɔ˜], il n’y a que des [liɔ˜] (li-on), de même qu’il n’y a pas de [ʃiɛ˜] (chi-en) et seulement des [ʃjɛ˜] (chien). C’est comme ça, l’usage est fixe. Il y a également les règles d’ « élision » du e instable, et la disjonctivité du h. Bref, peu importe le détail, l’important est qu’en précisant bien toutes les règles (ce qui implique effectivement une liste de vocabulaire parce que la réalisation de la graphie i+V ne dépend en rien ou presque rien de la graphie effective du mot, mais de l’étymologie principalement), on peut syllaber de manière univoque des vers de la période classique. Il n’y a qu’une et une seule façon de "compter" tels vers de Racine, Corneille, Voltaire, même Musset et Baudelaire…

Deux exemples situés aux antipodes l’un de l’autre
Boileau, Art poétique :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
C’est / en / vain / qu’au / Par- / nass(e) / un / té- / mé- / rair(e) / au- / teur
Pren- / se / de / l’art / des / vers / at- / tein- / dre / la / hau- / teur
 
Verlaine, Poèmes saturniens :
Bai- / ser / ro- / se / tré- / mièr(e) / au / jar- / din / des / ca- / res- / ses
Vif / ac- / com- / pa- / gne- / ment / sur / le / cla- / vier / des / dents
(et jamais cla-/vi-/er, p. ex.)

Mettre des tirets en fin de ligne

En ce qui concerne la "syllabation écrite", la césure, ce qu’on appelle en anglais hyphenation (hypen, tiret) est dicté par d’autres règles encore, qui sont bien sûr liées à la prononciation, mais pas uniquement. Par exemple, même si dans certains contextes ont prononce li-on, on n’a pas le droit de couper en fin de ligne li-
on, pas plus qu’attenti-
on, ou que li-
en. Mais ces règles sont liées, elles aussi, à l’étymologie et à la tradition. Ça se voit particulièrement bien en anglais, où l’on coupe gov-
ernment. En réalité, autant que de règles linguistiques cela relève de règles typographiques. D’ailleurs si quelqu’un voulait utiliser ces règles, je pense qu’il devrait se tourner vers les algorithmes de césure de LaTeX, qui sont maintenant très largement répandus (il me semble avoir lu ou entendu qu’Open/LibreOffice les utilisaient).
C’est uniquement quand on met des tirets pour couper le mot qu’apprendre est ap-prendre et non a-pprendre, parce que pour beaucoup de gens, c'est a-prendre et la double consonne n’est pas réalisée dans la prononciation.

Aiguille, anguille, aiguise

Enfin, oui, il restera toujours en français des cas où la prononciation (la syllabation) doit être précisée par un “dictionnaire”, et aiguille en ferait à mon avis partie.
Le fait qu’on prononce ai-gu-ille (en détachant le u) n’a rien avoir avec le ille, puisqu'on dit bien an-guille, et qu’inversement on entend aussi bien ai-gu-i-ser qu’ai-gui-ser.

Je pense donc, pour conclure, que oui il est possible de syllaber un texte français par l’informatique, dans un certaine mesure et avec certaines restrictions, mais qu’une intervention qui ne relève pas de la pure algorithmique à partir de la graphie (recours à un dictionnaire) est nécessaire parce que la graphie en français (comme en anglais d’ailleurs) n’est pas suffisante, voire consistante, pour décrire la prononciation.

Finalement, cela ne semble pas si évident que ça. Il y a beaucoup d'exceptions. Mais juste pour le fun, j'aimerai bien essayer de faire un petit programme. Je vais dans un premier temps m'inspirer de ton code dmganges. Sur plusieurs sites, il est écrit qu'il faudrait presque avoir une BDD avec tous les mots du dictionnaires

, ce qui semble moyen si j'en faisais un module.
Donc deux problématiques :

à partir d'un mot, isoler les syllabes ;
à partir d'un mot, isoler les césures pour les fins de ligne.

Je compte sur vous pour m'aider

**Jipété** · 13/08/2015, 12h11

Salut,

Envoyé par djibril

Voici quelques liens intéressants :

http://www.plumefrancaise.fr/fr/c%C3%A9sure

Faudra faire attention avec ce site : une magnifique faute d'orthographe sur la page en question, une autre sur la page d'accueil, et comme la page "Contact" est désactivée (le site a l'air inactif depuis un an), ça va rester...

**dmganges** · 13/08/2015, 12h12

Envoyé par djibril

Finalement, cela ne semble pas si évident que ça. Il y a beaucoup d'exceptions.

Oui, il est difficile de faire un module générique, il faut bien penser les besoins aux départ :
- Césures pour un traitement de texte
- Césures en vue de phonétiser
- Césures en vue d'une simplification orthographique
...

En ce qui me concerne j'avais à phonétiser en vue d'une simplification orthographique :
Une fois le mot découpé en syllabes, je phonétisais les syllabes.
Les syllabes phonétisées était une entrée dans un dictionnaire d'une BDD, Ex :

Phonème Pho-nè-me donnait FoNeMe
Et ce que le mot initial soit Phonaime, Fonème, Fauneime...

Je n'ai pas eu le temps de finaliser correctement ce projet, mon patron s'étant aperçu que je m'amusais comme un petit fou, m'avait donné un autre os à ronger ! selon ces propres dires...
S'il passe par là, il se reconnaîtra sans aucun doute

La langue française est pleine de turpitudes du genre :

Les poules couvent dans le couvent,
elles sortaient dès qu'on leur avait ouvert la porte
elles sortaient des cons leur avaient ouvert la porte
...

**djibril** · 13/08/2015, 12h16

Envoyé par Jipété

Salut,

Faudra faire attention avec ce site : une magnifique faute d'orthographe sur la page en question, une autre sur la page d'accueil, et comme la page "Contact" est désactivée (le site a l'air inactif depuis un an), ça va rester...

C'est sûr ! Mais y a toujours moyen de tirer du positif dans ce site.

**djibril** · 13/08/2015, 12h20

Envoyé par dmganges

Oui, il est difficile de faire un module générique, il faut bien penser les besoins aux départ :
- Césures pour un traitement de texte
- Césures en vue de phonétiser
- Césures en vue d'une simplification orthographique
...

En ce qui me concerne j'avais à phonétiser en vue d'une simplification orthographique :
Une fois le mot découpé en syllabes, je phonétisais les syllabes.
Les syllabes phonétisées était une entrée dans un dictionnaire d'une BDD, Ex :

Phonème Pho-nè-me donnait FoNeMe
Et ce que le mot initial soit Phonaime, Fonème, Fauneime...

Je n'ai pas eu le temps de finaliser correctement ce projet, mon patron s'étant aperçu que je m'amusais comme un petit fou, m'avait donné un autre os à ronger ! selon ces propres dire...
S'il passe par là, il se reconnaîtra sans aucun doute

Bah n'ayant pas forcément de besoins, c'est juste pour le fun, je te dirais de partir sur quelques choses de simple dans un premier temps si c'est possible : césure pour du traitement de texte, c'est ce qui serait le plus utile au plus grand nombre, mais reste à savoir si c'est le plus simple à faire

.

Voici une excellente documentation sur la typographie française : petite leçon de typographie de Jacques ANDRÉ.

**Lolo78** · 13/08/2015, 14h21

Je pense que les traitements de texte comme Word ou OpenOffice Writer utilisent une base de données avec tous les mots (ça sert aussi à la vérification orthographique) et les emplacements des césures possibles.

Il y a peut-être moyen de récupérer la BDD de mots d'Open Office ou de Libre Office (c'est d'ailleurs peut-être la même), car elle doit être dans le domaine public. Avec environ 60.000 mots, on arrive sans doute à moins d'un demi mégaoctet, ce n'est pas forcément prohibitif.

Envoyé par djibril

Le seul module que j'ai trouvé est : Text::Hyphen qui utilise l'algorithm Knuth-Liang que je ne connais pas, mais rien que l'exemple de la documentation me laisse perplexe

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
use Text::Hyphen;
 
my $hyphenator = new Text::Hyphen;
 
print $hyphenator->hyphenate('representation');
# prints rep-re-sen-ta-tion

Les règles de la césure ne sont pas les mêmes en français et en anglais.

Et le mot anglais representation "s'hyphène" bien comme indiqué, rep-re-sen-ta-tion, comme on peut le vérifier sur n'importe quel bon dictionnaire anglais. Voir par exemple celui-ci.

Sinon, quand je vois le nom de Knuth dans un algorithme, j'ai le plus grand respect. Il serait peut-être utile d'y jeter un coup d’œil et de voir s'il peut être adapté aux règles de césure en français.

**Lolo78** · 13/08/2015, 14h33

Quelques informations complémentaires, mais sans doute en partie périmées:

https://www.openoffice.org/fr/Docume...tionnaires.pdf

Et un second lien vers le site de ceux qui produisent les dictionnaires pour les logiciels libres, y compris le dictionnaire de césure.

Reste à comprendre comment se servir de leurs dictionnaires.

**CosmoKnacki** · 13/08/2015, 16h11

Pour les motivés, vous trouverez la thèse de Frank Liang sur le sujet et un lien vers le code source (en TeX et Pascal) de Donald Knuth: http://www.tug.org/docs/liang/

**djibril** · 13/08/2015, 17h28

Envoyé par Lolo78

Je pense que les traitements de texte comme Word ou OpenOffice Writer utilisent une base de données avec tous les mots (ça sert aussi à la vérification orthographique) et les emplacements des césures possibles.

Il y a peut-être moyen de récupérer la BDD de mots d'Open Office ou de Libre Office (c'est d'ailleurs peut-être la même), car elle doit être dans le domaine public. Avec environ 60.000 mots, on arrive sans doute à moins d'un demi mégaoctet, ce n'est pas forcément prohibitif.

Les règles de la césure ne sont pas les mêmes en français et en anglais.

Et le mot anglais representation "s'hyphène" bien comme indiqué, rep-re-sen-ta-tion, comme on peut le vérifier sur n'importe quel bon dictionnaire anglais. Voir par exemple celui-ci.

Sinon, quand je vois le nom de Knuth dans un algorithme, j'ai le plus grand respect. Il serait peut-être utile d'y jeter un coup d’œil et de voir s'il peut être adapté aux règles de césure en français.

En effet, avoir le dictionnaire entier dans le module peut ne pas être une idiotie. Pour le module Text::Hyphen j'avais zappé le fait que cela s'applique plutôt à la langue anglaise. L'adapter à la langue française serait une bonne idée.

**djibril** · 13/08/2015, 17h51

Le courageux Jacques ANDRÉ a lu la thèse pour nous et voici ses commentaires : http://www.laurentbloch.org/MySpip3/spip.php?article181.

**Lolo78** · 13/08/2015, 18h02

Bonjour,

j'ai jeté un coup d’œil au code du module .

C'est assez simple.

Il contient notamment une longue liste de motifs de césure adaptés à la langue anglaise.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
 
sub _PATTERNS {
    return [qw(
.ach4 .ad4der .af1t .al3t .am5at .an5c .ang4 .ani5m .ant4 .an3te .anti5s .ar5s
.ar4tie .ar4ty .as3c .as1p .as1s .aster5 .atom5 .au1d .av4i .awn4 .ba4g .ba5na
.bas4e .ber4 .be5ra .be3sm .be5sto .bri2 .but4ti .cam4pe .can5c .capa5b .car5ol
.ca4t .ce4la .ch4 .chill5i .ci2 .cit5r .co3e .co4r .cor5ner .de4moi .de3o .de3ra
.de3ri .des4c .dictio5 .do4t .du4c .dumb5 .earth5 .eas3i .eb4 .eer4 .eg2 .el5d
.......
3ysis y4so yss4 ys1t ys3ta ysur4 y3thin yt3ic y1w za1 z5a2b zar2 4zb 2ze ze4n
ze4p z1er ze3ro zet4 2z1i z4il z4is 5zl 4zm 1zo zo4m zo5ol zte4 4z1z2 z4zy
    )];
}

ainsi qu'une courte liste d'exceptions.

Le dictionnaire de césures sur le site français que j'ai cité (cliquer sur le lien Césures 3.0 ou: http://www.dicollecte.org/download/fr/hyph-fr-v3.0.zip) contient des motifs ressemblant beaucoup:

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
ab2h % df-bg 1998/02/07 for abhorrer
                    .ab3r\'ea
                    'ab3r\'ea
ad2h % df-bg 1998/02/07 for adh\`esion & co
                    a1\`e2dre
                    .ae3s4ch
                    'ae3s4ch
                    1alcool
                    a2l1algi
                    .amino1a2c
                    'amino1a2c
                    .ana3s4tr
                    'ana3s4tr
                    1a2nesth\'esi
                    .anti1a2
                    'anti1a2
                    .anti1e2

(Les lignes commençant pas % sont des commentaires)

Il paraît très probable que les deux listes de motifs sont destinées au même algorithme.

Donc, on peut penser qu'en utilisant le module et en y remplaçant la liste des motifs anglais par des motifs français, on devrait obtenir quelque chose susceptible de marcher.

Il faut sans doute creuser plus (je ne vois pas de liste d'exceptions dans la version française). Il faudrait aussi mieux comprendre la liste de motifs français: j'ai vu par exemple que "\'" représente un accent aigu sur la lettre suivante et "\`" un accent grave, mais il y a sans doute pas mal d'autres subtilités.

Si mes hypothèses ci-dessus se vérifient, il ne devrait pas être bien difficile de faire un module Text::Hyphen::FR.

**djibril** · 13/08/2015, 18h08

J'ai eu la même réflexion que toi en regardant le contenu du module.
Je fouille le net aussi pour voir ce qui se fait (petit projet python).

**djibril** · 13/08/2015, 19h51

Avez-vous testé Text::Hyphen ? De mon coté, il ne me tronque rien. Il m'affiche toujours mon mot d'origine sans coupure.

**Lolo78** · 13/08/2015, 21h07

Même chose, il ne découpe pas.

Pourtant, j'ai essayé en mode debug, à la fin, à la ligne 535 ("return wantarray ? @pieces : join($delim, @pieces);"), on a:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
 
  DB<28> x @pieces
0  'rep'
1  're'
2  'sen'
3  'ta'
4  'tion'
  DB<29> x $delim
0  '-'
  DB<30> $w = join($delim, @pieces)
 
  DB<31> x $w
0  'rep-re-sen-ta-tion'

Je pense donc qu'il ne faut pas faire print sur le résultat, mais le mettre dans une variable scalaire. Sinon, print impose sans doute un contexte de liste et print remet les morceaux de @pieces ensembles.

Pas le temps de tester maintenant, je le ferai plus tard.

**Lolo78** · 13/08/2015, 21h42

Voilà: en imposant un contexte scalaire:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
$ perl -e 'use Text::Hyphen;
>
>     my $hyphenator = new Text::Hyphen;
>
>     print scalar $hyphenator->hyphenate('representation');
> '
rep-re-sen-ta-tion

Donc, ça marche, c'est juste l'exemple de l'auteur dans sa documentation qui était mal fagoté.

**djibril** · 13/08/2015, 22h30

arfff, bien vu.

**Lolo78** · 13/08/2015, 23h57

OK, j'ai modifié le code de Text::Hyphen dans Text::FR:Hyphen en utilisant la liste de motifs français trouvée sur le site mentionné plus haut, et ça a l'air de marcher plutôt pas mal:

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
 
$ perl -MText::FR::Hyphen -E '
> my $hyphenator = new Text::Hyphen;
> my @a = qw / papillon parapluie aspirine anticonstitutionnellement liste stupide
> monnaie emprunt histoire film photographie essentiellement programmation immuable/;
> say scalar $hyphenator->hyphenate($_) for @a;
> '
pa-pil-lon
para-pluie
as-pirine
an-ti-con-sti-tu-tion-nelle-ment
liste
stupi-de
mon-naie
em-prunt
his-toire
film
pho-togra-phie
es-sen-tielle-ment
pro-gram-ma-tion
im-muable

Il ne trouve pas toutes les césures possibles, et pas toujours les meilleures (à mon humble avis), mais toutes celles qu'il trouve sont correctes, et c'est le plus important.

Pas mal pour un premier essai, Non?

J'ai évité pour l'instant les mots ayant des caractères accentués, parce c'est peut-être plus compliqué.

Mais je trouve l'essai très encourageant.

**Lolo78** · 14/08/2015, 00h22

Nouvel essai avec des accents, cédilles, etc:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 
$ perl -MText::FR::Hyphen -E '
> my $hyphenator = new Text::Hyphen;
> my @a = qw / Mitterrand avocat éternellement immédiat maçon douzième répréhensible gouvernement développement /;
> say scalar $hyphenator->hyphenate($_) for @a;
> '
Mit-ter-rand
av-o-cat
éter-nelle-ment
im-mé-di-at
maçon
douz-ième
répréhen-si-ble
gou-verne-ment
développe-ment

Les accents et cédilles ne gênent pas le bon fonctionnement, a priori, mais ici au moins deux cas de césures non satisfaisantes, je pense (av-o-cat et douz-ième).

Bon, j'en reste là pour ce soir, tout n'est pas parfait, manifestement, mais l'outil marche plutôt pas mal quand même.

Bonne soirée à tous.

Gestion des césures, syllabes - coupures de mots [Débat]

Langage Perl

Discussions similaires

Partager

Partager