DecoupeMots.c
4.29 KB
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
/*
--------------------------------------------------------
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 */
'\n','\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!='\n'))
{
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=='\n') printf("\n");
}
/* Prog Principal */
int main(argc,argv)
int argc;
char **argv;
{
char ch[TailleLigne];
if (argc<2)
{
fprintf(stderr,"Syntaxe : %s [-h] <lexi compile>\n",argv[0]);
exit(0);
}
if (!strcmp(argv[1],"-h"))
{
fprintf(stderr,"Syntaxe : %s [-h] <lexi compile>\n\
\t Decoupe un corpus en accord avec un dico compile\n\
\t par CompileLexiTree et une table de separateur hard-codee\n\
\t dans le tableau 'TablSeparateur'. La politique de segmentation\n\
\t est la suivante : on concatene les mots suivant la plus grande\n\
\t expression composee trouvee dans le dico. Lorsqu'un\n\
\t mot contient un caractere separateur, s'il fait partie du\n\
\t dico, on le laisse tel-quel, sinon on l'eclate autour\n\
\t du caractere separateur.\n\
\t Entree : stdin pour le texte et 1er parametre pour le dico\n\
\t Sortie : stdout\n",argv[0]);
exit(0);
}
/*fprintf(stderr,"Chargement de l'arbre dans le tableau -> ");*/
ChargeLexiqueCompile(argv[1]);
/*fprintf(stderr,"Termine\n");*/
/*fprintf(stderr,"On a lu : %d noeuds\n",NbNode);*/
while(fgets(ch,TailleLigne,stdin)) ProcessLine(ch);
exit(0);
}