[Série 2] Etiquetage des contenus des fils: Tree Tagger

Objectif :

Ecrire un script Perl qui effectue les taches suivantes :

• parcourt une arborescence de fichiers pour en extraire le contenu des balises "description"
• étiquette le contenu extrait avec le programme Tree Tagger
• crée en sortie un fichier xml avec le résultat du traitement

Ressources :

• Squelette d'un script Perl
• Arborescence de fils RSS
• Etiqueteur Tree Tagger

Résultats :

• Le script modifié (parcours-arborescence-fichiers-tree-tagger.pl) permet d'obtenir un fichier de sortie structuré (RESULTAT-TreeTagger.xml).
• Après l'application d'une feuille de style XSLT on peut visualiser le même fichier xml sous forme d'un tableau (RESULTAT-TreeTagger-xsl.xml) où le contenu est présenté de manière suivante: forme[lemme|cat].
• Une autre feuille de style XSLT permet de présenter le même fichier mais en affichant la catégorie NOM en rouge (RESULTAT-TreeTagger-xsl-2.xml).

Commentaires

Caractères accentués

Lors du remplacement des caractères accentués mal affichés on s'est aperçu que le résultat n'était pas satisfaisant. Le recours au code source a permis de comprendre l'origine du problème : la représentation des caractères qu'on a essayé de remplacer n'était pas la même que celle affichée dans l'éditeur du texte ou le navigateur.

[Série 2] Etiquetage des contenus des fils: Cordial

Objectifs :

• Extraire le contenu des balises "description" dans un fichier texte (via script perl)
• Etiquetter ce fichier texte avec le programme Cordial
• Créer en sortie (via script perl) un fichier xml qui met en forme le résultat du traitement produit par Cordial

Ressources :

• Fichier xml avec le contenu des balises "description" (RESULTAT-Filtrage.xml)
• Etiqueteur Cordial

Résultats :

• Script (nettoyeur.pl) qui permet d'extraire le contenu voulu dans un fichier texte (sortie.txt)
• Fichier étiqueté par Cordial (Sortie-Cordial.cnr.txt)
• Script (Formattage-Cordial.pl) qui formate le fichier de Cordial sous forme xml (RESULTAT-Cordial.xml)