| 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990 |
- #!/usr/bin/env python
- # coding: utf8
- #pour installer nltk stopWords tout est là : http://www.nltk.org/data.html
- #finalement je n'utilise pas nltk stopWords qui est lacunaire mais ma propre liste
- import re
- #from nltk.tokenize import sent_tokenize, word_tokenize
- #from nltk.corpus import stopwords
- POEME_A_REDUIRE = "mirabeau.txt"
- def load_stopwords():
- with open("stopwords-fr.txt", "r") as sw:
- text_stopwords = sw.read()
- text_stopwords = text_stopwords[:-1] # pour enlever le retour charriot à la fin
- return text_stopwords.split("\n")
- #print("stopwords_list : ", load_stopwords() )
- def load_texte_a_reduire():
- with open(POEME_A_REDUIRE, "r") as source:
- texte_original = source.read()
- texte_original = texte_original[2:]
- return texte_original
- #print("texte original :", texte_original)
- def nettoyer(texte_original):
- # enlever les traits d'union et les apostrophes
- texte_net = texte_original.replace("'", " ")
- texte_net = texte_net.replace("-", " ")
- return texte_net
- def verses_list(texte_net): # sépare les vers sur le retour charriot
- return texte_net.split("\n")
- def decoupage(verses, mots_interdits): #découpage et réduction
- # verses est une liste de chaque phrase
- # mots interdit est une liste de mots
- l_verses = []
- for verse in verses:
- le_reste =[]
- mots_du_vers = verse.split(" ") # liste
- for mot in mots_du_vers:
- if mot.lower() not in mots_interdits:
- le_reste.append(mot)
- l_verses.append(le_reste)
- return l_verses
- def capitalisation(reste):
- for l in reste:
- #new_l = l
- for i, mot in enumerate(l):
- if mot:# si le mot existe
- mot = mot.capitalize()
- l[i] = mot
- break
- return reste
- def create_poeme_reduit(reste_capitalize):
- texte = ''
- for l_verse_reste in reste_capitalize:
- verse_restant = ' '.join(l_verse_reste)
- texte += verse_restant + '\n'
- return texte
- #def majuscule(verse)
- #
- # poeme_reduit = " ".join(le_reste)
- # #print("version réduite du poeme :", poeme_reduit)
- #
- # with open("mirabeau_reduit.txt", "w") as destination :
- # destination.write(" ".join(le_reste))
- #Appel des fonctions
- texte_original = load_texte_a_reduire()
- mots_interdits = load_stopwords()
- texte_net = nettoyer(texte_original)
- verses = verses_list(texte_net)
- #tous_les_mots = decoupage_en_mots(verses)
- #liste_reduite = reduction(tous_les_mots)
- #print("la liste des vers : ", verses)
- #print("la liste de tous les mots séparés :", tous_les_mots)
- #print("mots interdit : ", mots_interdits)
- #print("liste des mots réduite :", liste_reduite)
- reste = decoupage(verses, mots_interdits)
- reste_capitalize = capitalisation(reste)
- texte_final = create_poeme_reduit(reste_capitalize)
- print ("texte final : ", texte_final)
|
