Créer listes par longueur de mots

Recherche :

Mot : Pseudo : Filtrer
Bas de page
Auteur	Sujet : Créer listes par longueur de mots

pito2901

Bonjour,

Je souhaite faire un programme qui d'abord :
- prend le texte d'un fichier.txt et le place dans une liste
- remplace les accents par les minuscules équivalentes
- enlève la ponctuation
- convertit la liste en minuscule
- sépare les mots
- tri les mots par longueur (puis ordre alphabétique)

Voici mon programme :

Code :

fichier = open('fichier_a_convertir.txt','r') #ouvre fichier
chaine = fichier.read() #lire le contenu du fichier
fichier.close() #fermer fichier
#enlever les accents
chaine = chaine.replace("é","e" )
chaine = chaine.replace("è","e" )
chaine = chaine.replace("ê","e" )
chaine = chaine.replace("à","a" )
chaine = chaine.replace("ï","i" )
chaine = chaine.replace("î","i" )
chaine = chaine.replace("ù","u" )
#enlever la ponctuation
longueur = len(chaine) #longueur du paragraphe
chaine1 = '' #initialisation du texte converti
for i in range(longueur):
if ord(chaine[i])==32 or ord(chaine[i])>=65 and ord(chaine[i])<=90 or ord(chaine[i])>=97 and ord(chaine[i])<=122:
#ASCII = 32 → espace / 65~90 → A...Z / 90~122 → a...Z
chaine1 = chaine1 + chaine[i]
else:
chaine1 = chaine1 + " "
i = i+1
chaine1 = chaine1.lower() #mettre le texte en minuscule
liste = chaine1.split() #classer chaque mot dans une liste
liste.sort() #tri alphabétique
print(liste) #afficher cette liste

Or le programme m'affiche :
['a', 'a', 'a', 'a', 'amazone', 'aux', 'avoir', 'ces', 'craindre', 'de'...

Ce que j'aimerai, c'est qu'il affiche :
['a', 'a', 'a', 'a', 'ces', 'de', 'aux', 'avoir', 'amazone', 'craindre'...

Ensuite, est-il possible de classer les mots par longueur dans des listes différentes, exemple:

Une liste contenant tous les mots de longueur 1
puis de longueur 2
puis de longueur 4 (s'il n'y a pas 3...)

Merci de votre lecture.

Publicité

suizokukan

Déjà, réécrire ton code d'une manière plus pythonesque :

Code :

equiv = {
"â" : "a",
"é" : "e",
}
characters_ok = (" ",
"a", "b", "c", "d", "e", "f", "g", "h", "i",
"j", "k", "l", "m", "n", "o", "p", "q", "r",
"s", "t", "u", "v", "w", "x", "y", "z",
"A", "B", "C", "D", "E", "F", "G", "H", "I",
"J", "K", "L", "M", "N", "O", "P", "Q", "R",
"S", "T", "U", "V", "W", "X", "Y", "Z",)
with open("src.txt",'r') as src_file:
content = src_file.read()
for src, dest in equiv.items():
content = content.replace(src, dest)
content = "".join(char for char in content if char in characters_ok)
content = content.lower()
liste = content.split()
liste.sort()
print(liste)

---------------
rule #1 : trust the python

suizokukan

Pour le reste, je n'ai pas compris le rapport entre l'énoncé du problème et le résultat que tu nous montres; pour ma part, voici comment je procéderais, en ajoutant au début de chaque mot un préfixe numérique égal à la taille du mot. Ainsi .sort() trie d'abord la taille, puis le mot lui-même.

Code :

equiv = {
"â" : "a",
"é" : "e",
}
characters_ok = (" ",
"a", "b", "c", "d", "e", "f", "g", "h", "i",
"j", "k", "l", "m", "n", "o", "p", "q", "r",
"s", "t", "u", "v", "w", "x", "y", "z",
"A", "B", "C", "D", "E", "F", "G", "H", "I",
"J", "K", "L", "M", "N", "O", "P", "Q", "R",
"S", "T", "U", "V", "W", "X", "Y", "Z",)
with open("src.txt",'r') as src_file:
content = src_file.read()
for src, dest in equiv.items():
content = content.replace(src, dest)
content = "".join(char for char in content if char in characters_ok)
content = content.lower()
# liste = ['0001a', '0002de', '0005avoir']
liste = ["{0:04}".format(len(word)) + word for word in content.split()]
liste.sort()
# enlever le préfixe numérique à chaque mot :
liste = [word[4:] for word in liste]
print(liste)

Qu'en penses-tu ?

Message cité 1 fois

---------------
rule #1 : trust the python

pito2901

Bah déjà merci !

Mais je suis débutant en python et ne connais donc pas l'ensemble des fonctions que tu utilises :

.items() → qu'est-ce ?

d'où vient la variable dest ?

Code :

content = "".join(char for char in content if char in characters_ok)

Cette ligne ajoute que les lettres contenues dans characters_ok ?

Code :

liste = ["{0:04}".format(len(word)) + word for word in content.split()]

Que fait cette ligne ?

masklinn

í dag viðrar vel til loftárása

suizokukan a écrit :

pour ma part, voici comment je procéderais, en ajoutant au début de chaque mot un préfixe numérique égal à la taille du mot. Ainsi .sort() trie d'abord la taille

Ya plus besoin de faire du DSU hein (et quand bien même c'était à base de tuples), tu peux filer une fonction key= à sort ou sorted qui calcule la clé de tri:

Code :

>>> words = ['a', 'a', 'a', 'a', 'amazone', 'aux', 'avoir', 'ces', 'craindre', 'de']
>>> sorted(words, key=lambda w: (len(w), w))
['a', 'a', 'a', 'a', 'de', 'aux', 'ces', 'avoir', 'amazone', 'craindre']

suizokukan a écrit :

Qu'en penses-tu ?

Les remplacements de caractères codés en dur c'est quand même cradox, perso j'utiliserais unicodedata pour faire une décomposition canonique et ne garder que les caractères de base:

Code :

import unicodedata
 
words = ["été", "enlève", "être"]
 
def unaccent(word):
    return ''.join(
        letter
        for letter in unicodedata.normalize("NFD", word)
        if not unicodedata.combining(letter)
    )
 
print(list(map(unaccent, words)))

=> ['ete', 'enleve', 'etre']

Et si les libs externes sont permises, Unidecode c'est encore mieux.

Message édité par masklinn le 11-01-2015 à 21:51:57

---------------
Stick a parrot in a Call of Duty lobby, and you're gonna get a racist parrot. — Cody

suizokukan

.items() → "d".items() renvoie une liste de couple (clef, valeur) du dictionnaire "d". La doc est ici : https://docs.python.org/3.4/library/stdtypes.html . Par exemple, j'aurais pu écrire :

Code :

for key, value in d.items()

ou encore

Code :

for k, v in d.items()

Code :

content = "".join(char for char in content if char in characters_ok)

est plus compliqué à comprendre. L'idée est d'éviter en Python d'ajouter les chaînes les unes aux autres avec "+" ou "+=", car c'est lent. Il est plus rapide de créer une liste :

Code :

liste = ['a', 'b']

... de la manipuler en ne retenant que les caractères autorisés :

Code :

liste2 = [car for car in liste if car in caractères_autorisés]

... et enfin de transformer cette liste en chaîne de caractères en concaténant chaque élément, par exemple avec un "*" :

Code :

"*".join(list2)

renverra quelque chose comme "*a*b", tandis que :

Code :

"".join(list2)

renverrait "ab"

S'agissant de

Code :

liste = ["{0:04}".format(len(word)) + word for word in content.split()]

, pour chaque word dans content.split(), je l'ajoute à une nouvelle "liste" mais je fais d'abord précéder ce word de "{0:04}".format(len(word)).
"{0:04}".format(len(word)) est une manière de dire : crée une chaîne de caractères contenant une chaîne vide avec un argument nommé {0}, de quatre chiffres de longueur avec remplissage par des zéros s'il en manque ('0001' et non '1'). Le {0} est remplacé par len(word), soit la longueur de word.

Message édité par suizokukan le 11-01-2015 à 21:56:27

---------------
rule #1 : trust the python

suizokukan

> Pito2901, je souscris complètement au code de Masklinn. Ici, DSU=http://en.wikipedia.org/wiki/Disjo [...] _structure .

Message cité 1 fois

---------------
rule #1 : trust the python

masklinn

í dag viðrar vel til loftárása

suizokukan a écrit :

Ici, DSU=http://en.wikipedia.org/wiki/Disjo [...] _structure .

Presque, c'est decorate-sort-undecorate

---------------
Stick a parrot in a Call of Duty lobby, and you're gonna get a racist parrot. — Cody

suizokukan

Oups, merci, je ne connaissais pas.

---------------
rule #1 : trust the python

FORUM HardWare.fr

Programmation

Python

Créer listes par longueur de mots

Sujets relatifs
2 listes identiques mais à différencier	[HTML/CSS] Créer un forums à l’interrieur de mon site
verouiller un dossier par un mots de passe + cryptage	Dict et listes imbriquées ; comment faire ?
Créer un wiki avec un lightweight WYSIWYG	longueur max requete access
boucle pour creer une énumération	HTML+FLASH Créer un lecteur WebRadio
Créer un exécutable à partir d'un script Perl	Comment créer un lien avec des éléments d'une base de données?
Plus de sujets relatifs à : Créer listes par longueur de mots

Page générée en 0.102 secondes