Blame view
tools/lia_ltbox/lia_phon/src/format/DecoupeMots.c
4.29 KB
e6be5137b
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 |
/* -------------------------------------------------------- LIA_PHON : Un systeme complet de phonetisation de textes -------------------------------------------------------- Copyright (C) 2001 FREDERIC BECHET .................................................................. This file is part of LIA_PHON LIA_PHON is free software; you can redistribute it and/or modify it under the terms of the GNU General Public License as published by the Free Software Foundation; either version 2 of the License, or (at your option) any later version. This program is distributed in the hope that it will be useful, but WITHOUT ANY WARRANTY; without even the implied warranty of MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU General Public License for more details. You should have received a copy of the GNU General Public License along with this program; if not, write to the Free Software Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA 02111-1307 USA .................................................................. For any publication related to scientific work using LIA_PHON, the following reference paper must be mentioned in the bibliography: Bechet F., 2001, "LIA_PHON - Un systeme complet de phonetisation de textes", revue Traitement Automatique des Langues (T.A.L.) volume 42, numero 1/2001, edition Hermes .................................................................. Contact : FREDERIC BECHET - LIA - UNIVERSITE D'AVIGNON AGROPARC BP1228 84911 AVIGNON CEDEX 09 FRANCE frederic.bechet@lia.univ-avignon.fr .................................................................. */ /* Decoupe un corpus en accord avec un dico compile par CompileLexiTree et une table de separateur hard-codee Entree : stdin pour le texte et 1er parametre pour le dico Sortie : stdout */ /* FRED 0199 */ #include <stdio.h> #include <stdlib.h> #include <string.h> #include <strings.h> #include <GestionTablMots.h> /* Definition des separateurs de mots */ char TablSeparateur[]= { ' ','-','_','\'','"','*','%','+','@','>','/', /* separateur intra/inter mots */ '.',';',',','?','!',':', /* separateur inter mots */ '(',')','[',']','{','}', /* separateur phrase */ ' ','\0'} ; /* fin de phrase */ int SiSeparateur(c) char c; { static int n; if (c=='\0') return 1; for(n=0;TablSeparateur[n];n++) if (c==TablSeparateur[n]) return 1; return 0; } #define TailleLigne 8000 void ProcessLine(ch) char *ch; { char refe[TailleLigne],*lastword; int lastindice,siblanc=0; while ((*ch)&&(*ch!=' ')) { if (*ch!=' ') { lastword=NULL; Present(ch,1,&lastword,0,refe,&lastindice); if (lastword) { refe[lastindice]='\0'; printf("%s ",refe); ch=lastword+1; siblanc=1; } else { /* Politique : on coupe les mots d'un qu'on trouve un separateur sauf si le separateur est inclu a un mot du dico */ siblanc=0; while (!SiSeparateur(*ch)) printf("%c",*ch++); if (*ch!=' ') printf(" %c ",*ch++); } } else { while (*ch==' ') ch++; if (siblanc==0) printf(" "); } } if (*ch==' ') printf(" "); } /* Prog Principal */ int main(argc,argv) int argc; char **argv; { char ch[TailleLigne]; if (argc<2) { fprintf(stderr,"Syntaxe : %s [-h] <lexi compile> ",argv[0]); exit(0); } if (!strcmp(argv[1],"-h")) { fprintf(stderr,"Syntaxe : %s [-h] <lexi compile> \ \t Decoupe un corpus en accord avec un dico compile \ \t par CompileLexiTree et une table de separateur hard-codee \ \t dans le tableau 'TablSeparateur'. La politique de segmentation \ \t est la suivante : on concatene les mots suivant la plus grande \ \t expression composee trouvee dans le dico. Lorsqu'un \ \t mot contient un caractere separateur, s'il fait partie du \ \t dico, on le laisse tel-quel, sinon on l'eclate autour \ \t du caractere separateur. \ \t Entree : stdin pour le texte et 1er parametre pour le dico \ \t Sortie : stdout ",argv[0]); exit(0); } /*fprintf(stderr,"Chargement de l'arbre dans le tableau -> ");*/ ChargeLexiqueCompile(argv[1]); /*fprintf(stderr,"Termine ");*/ /*fprintf(stderr,"On a lu : %d noeuds ",NbNode);*/ while(fgets(ch,TailleLigne,stdin)) ProcessLine(ch); exit(0); } |