#!/usr/bin/perl
# usage : perl bao3_rb.pl fichier_tag fichier_motif
# on appelle les bibliothèques
use XML::XPath;
use File::Copy;
use File::Path;
# On vérifie le nombre d'arguments de l'appel au script ($0 : le nom du script)
if($#ARGV!=1){print "### ATTENTION ### usage : perl $0 fichier_tag fichier_motif ###\n";exit;}
# Enregistrement des arguments dans les variables idoines
my $tag_file= shift @ARGV;
my $patterns_file = shift @ARGV;
# Quelques initialisations fortes utiles
my @patterns;
my $nb_patterns=0;
my $nb_tokens=0;
#
#On crée un dossier pour les résultats
mkpath("./patternResults/");
open(PATTERNSFILE, $patterns_file) or die "can't open $patterns_file: $!\n";
# lecture du fichier .txt contenant les motifs, un motif par ligne (par exemple : NOM ADJ)
while ($ligne = ) {
# on supprime avec la fonction chomp un éventuel retour à la ligne
chomp($ligne);
#
$nb_patterns = push(@patterns,$ligne);
}
# création de l'objet XML::XPath pour explorer le fichier de sortie tree-tagger XML
my $xp = XML::XPath->new( filename => $tag_file ) or die "Problème";
#
# recherche des motifs dans le fichier de sortie treetagger xml
foreach my $pattern (@patterns){
# construction au moyen de la fonction split d'un tableau dont chaque élément a pour valeur un token du motif recherché
@tokens=split(/ /,$pattern);
# définition du nom du fichier de sortie pour le motif en utilisant la fonction join
my $match_file = "res_extract-".join('_', @tokens).".txt";
open(MATCHFILE, ">$match_file") or die "can't open $match_file: $!\n";
# appel de la procédure d'extraction des formes correspondants au motif
&extract_pattern(@tokens);
close(MATCHFILE);
move($match_file,"./patternResults/");
}
# routine d'extraction d'un motif
sub extract_pattern{
@tokenz=@_;
# la fonction shift coupe le premier élement d'un tableau et le revoie en résultat
$first_token=shift @tokenz;
chomp($first_token);
# Initialisation du chemin xpath correspondant au motif recherché
# ATTENTION ici aux effets de bord dus à la structure choisie pour le fichier tree-tagger XML
# par exemple pour le motif NOM ADJ : une description d'un fil rss qui se termine par un NOM suivie d'une autre description qui commence par un ADJ !
$search_path="//element/data[1][contains(text(),\"$first_token\")]";
foreach my $token (@tokenz){# construction recursive du chemin xpath correspondant au motif recherché
chomp($token);
$search_path.="/ancestor::element/following-sibling::element[1]/data[1][contains(text(),\"$token\")]";
}
# boucle sur les nœud s reconnus du chemin xpath
# c'est ici qu'on rentre dans le clou du programme
#sur l'objet mynoeud on appelle la fonction FIND= elle cherche le chemin $search_path et collecte tous les blocs fils
#getnodelist retourne une liste de noeuds
foreach my $noeud ( $xp->find($search_path)->get_nodelist ) {
# initialisation du tableau des formes
# on le fait ici pour des raisons évidentes d'économie de mémoire et donc de performance
my @matching_tokens;
# on remonte d'un cran au nœud parent pour extraire la forme trouvée
# dans le cas d'un motif NOM ADJ, c'est la forme de l'adjectif qu'on atteint
# getParentNode donne le noeud parent
$noeud_tmp=$noeud->getParentNode;
$i=0;
foreach (@tokens){
$i++;
# on récupère la forme
# noter que le "3" de getChildNode(3) correspond au "data[3]" de la feuille XSLT
$motif=$noeud_tmp->getChildNode(3)->string_value;
# unshift(@matching_tokens,$motif) ajoute au début du tableau @matching_tokens un élément dont la valeur est le contenu de la variable $motif
$nb_tokens=unshift(@matching_tokens,$motif);
$motif="";
# on remonte recursivement aux nœuds précedents pour extraire la forme
# dans le cas d'un motif NOM PRP NOM, on récupère ainsi PRP puis NOM (le premier)
# noter que "precding-sibling" est l'axe inverse de "following-sibling"
@noeudtmp=$xp->find("./preceding-sibling::element[1]",$noeud_tmp)->get_nodelist;
$noeud_tmp=shift(@noeudtmp);
}
# écriture des résultats dans un fichier en utilisant la fonction join, pratique !
print MATCHFILE join(' ', @matching_tokens)."\n";
}
}