| 123456789101112131415161718192021222324252627282930313233343536 |
- #!/usr/bin/env python
- # coding: utf8
- #pour installer nltk stopWords tout là : http://www.nltk.org/data.html
- import re
- from nltk.tokenize import sent_tokenize, word_tokenize
- from nltk.corpus import stopwords
- with open("mirabeau.txt", "r") as source:
- #list_sup = ["'", "-", "l ", "le ", "les ", "la ", "un ","une ", "des "]
- print(list_sup)
- texte = source.read()
- #print(texte)
- #enlever les traits d'union et les apostrophes
- texte = str.lower(texte)
- # texte = texte.replace("'", " ")
- # texte = texte.replace("-", " ")
- # texte = texte.replace(" l ", " ")
- print(texte)
- liste_phrase = texte.split(" ")
- print("liste des mots originaux séparés:", liste_phrase)
- liste_reduit = []
- stopWords = set(stopwords.words('french'))
- for w in liste_phrase:
- if w not in stopWords:
- liste_reduit.append(w)
- #print("liste des mots réduit :", liste_reduit)
- poeme_reduit = (" ".join(liste_reduit))
- #print("version réduite du poeme :", poeme_reduit)
- with open("mirabeau_reduit.txt", "w") as destination :
- destination.write(" ".join(liste_reduit))
|
