| 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576 |
- #!/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()
- 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_en_mots(verses):
- tous_les_mots =[]
- for verse in verses:
- mots_du_vers = verse.split(" ")
- tous_les_mots.append(mots_du_vers)
- tous_les_mots = tous_les_mots[1:]
- return tous_les_mots
- def reduction(tous_les_mots): # retourne les mots qui ne sont pas dans stopwords
- liste_reduite =[]
- for mot in tous_les_mots :
- if mot not in mots_interdits:
- liste_reduite.append(mot)
- return liste_reduite
- #def majuscule( ):# #ré-introduire les majuscules en debut de vers
- # for i in range( len ( liste_reduit ) ):
- # mot_split = liste_reduit[i].split("\n")
- # #print("mot_split", mot_split)
- # if ( len(mot_split) == 2):
- # mot_split[1] = mot_split[1].capitalize()
- # liste_reduit[i] = mot_split[0] + "\n" + mot_split[1]
- # if ( i > 0 and liste_reduit[i-1] == '' ):
- # liste_reduit[i] = liste_reduit[i].capitalize()
- #
- #
- # 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))
- #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)
|
