-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathDensidees.py
817 lines (702 loc) · 44.1 KB
/
Densidees.py
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
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
#!/usr/sfw/bin/python
# -*- coding: utf-8 -*-
#C:\Python38\python.exe C:\These\2009Densidees\densidees\Densidees.py C:\These\2009Densidees\densidees\treetagger_output.tsv
#######################################################################
# Copyright 2021 Philippe Gambette, Hye-Ran Lee
#
# Densidees v1.4 (06/04/2021).
#
# Densidees 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 3 of the License, or
# (at your option) any later version.
#
# Densidees 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 Densidees. If not, see <http://www.gnu.org/licenses/>.
#
# For more information:
# http://code.google.com/p/densidees
#######################################################################
import sys, os, re, string, time
from math import *
#------------------------------
# Chargement des paramètres
#------------------------------
args={}
i=1;
thefile="";
while i<len(sys.argv):
res=re.search("(.*)[=](.*)",sys.argv[i])
if res:
args[res.group(1)]=res.group(2)
else:
thefile=sys.argv[i]
i+=1
# oral=1 si mode oral
if not("oral" in args):
args["oral"]=0
oral=int(args["oral"]);
# visible=1 si mode oral
if not("visible" in args):
args["visible"]=1
visible=int(args["visible"]);
# tag=treetagger par défaut
if not("tag" in args):
args["tag"]="treetagger"
tagger=args["tag"];
#------------------------------
# Ouverture du texte
#------------------------------
# Open a text file and put into a 2-element table:
# -> a table containing the sequence of all words in the text
# -> a dict containing all distinct words of the text with associated nb of occurrences
# * filename: string
# * sepchar: string, used to separate cooccurrence windows, will not be added to wordlist
def openText(filename,tagger):
fd = open(filename, "r", encoding="utf-8")
lines = fd.readlines()
text=[]
i=0
#------------------------------
#go through the text to extract the words, store them in dict "wordlist" with frequencies
#and in table "text" in the order they appear
#------------------------------
for line in lines:
i+=1
if tagger=="treetagger":
res=re.search("^([^ ]+) ([^ ]+) ([^ \n]+)[\n]*",line)
if res:
item={}
item["word"]=res.group(1).lower()
item["tag"]=res.group(2)
item["lemma"]=res.group(3)
item["rule"]="000"
item["isWord"]=" "
item["isProp"]=" "
#print item
text.append(item)
else:
print("Ligne " + str(i) + " non traitée : " + line)
item={}
item["word"]=" "
item["tag"]="INT"
item["lemma"]=" "
item["rule"]="000"
item["isWord"]=" "
item["isProp"]=" "
#print item
text.append(item)
else:
res=re.search("^([0-9]+) ([0-9]+) ([0-9]+) ([^ ]+) ([^ ]+) ([^ ]*) ([0-9]+) ([^ ]+) ([^ ]+).*",line)
#print line
#res=re.search("^([0-9]+) ([0-9]+) ([0-9]+) ([^ ]+) ([^ ]+) ([^ ]*) ([0-9]+) ([^ ]+) ([^ ]+).*[\n]*",line)
if res:
item={}
item["word"]=res.group(4).lower()
item["lemma"]=res.group(5)
item["tag"]=res.group(9)
item["rule"]="000"
item["isWord"]=" "
item["isProp"]=" "
#print item
text.append(item)
else:
print("Ligne " + str(i) + " non traitée : " + line)
fd.close()
return text
#------------------------------
# Fonctions
#------------------------------
def isTreetaggerPropTag(tag):
result=False
if tag=="KON" or tag=="NUM":
result=True
if re.search("^DET.*",tag):
result=True
if re.search("^PRP.*",tag):
result=True
if tag=="ADJ" or tag=="ADV":
#enlevé par rapport à CPIDR : tag=="PRO:POS" or tag=="PRO:IND"
result=True
if re.search("^VER.*",tag):
result=True
#if tag=="PRO:REL":
# result=True
return result
def isCordialPropTag(tag):
result=False
if tag[0]=="C" or tag[0]=="M":
result=True
if tag[0]=="D":
result=True
if tag[0]=="S":
result=True
if tag[0]=="A":
result=True
if tag[0]=="R":
result=True
if tag[0]=="V":
result=True
if tag[0]=="P" and tag[1]!="p":
result=True
return result
def isLink(lemma):
result=False
if lemma=="apparaître" or lemma=="suivre|être" or lemma=="être" or lemma=="sembler" or lemma=="devenir" or lemma=="paraître" or lemma=="rester" or lemma=="demeurer" :
result=True
return result
if os.path.isfile(thefile):
if visible == 1 :
print("Chargement du fichier texte...")
output = open(thefile+".di.txt", "w", encoding="utf-8")
# Open the text
text=openText(thefile,tagger)
i=0
mode="normal"
# Prétraitement auxiliaire si TreeTagger ne le fait pas
while i < len(text):
if (tagger=="treetagger" and ((text[i-1]["lemma"]=="être") or (text[i-1]["lemma"]=="suivre|être") or (text[i-1]["lemma"]=="avoir")) and (text[i]["tag"]=="VER:pper")):
text[i-1]["tag"]="VER:aux"
if (tagger=="treetagger" and ((text[i-2]["lemma"]=="être") or (text[i-2]["lemma"]=="suivre|être") or (text[i-2]["lemma"]=="avoir")) and text[i-1]["tag"]=="ADV" and text[i]["tag"]=="VER:pper"):
text[i-2]["tag"]="VER:aux"
#if (tagger=="treetagger" and ((text[i-3]["lemma"]=="être") or (text[i-2]["lemma"]=="suivre|être") or (text[i-2]["lemma"]=="avoir")) and text[i]["tag"]=="VER:pper"):
# text[i-3]["tag"]="VER:aux"
if (tagger=="treetagger" and text[i]["lemma"]=="oui"):
text[i]["tag"]="ADV"
i+=1
i=0
# Application des règles
while i < len(text):
#print text[i]["word"]
if text[i]["word"]=="(":
mode="noprop"
if text[i]["word"]==")":
mode="normal"
if text[i]["word"]=="[":
mode="noword"
if text[i]["word"]=="]":
mode="normal"
# 001 Interjections (mode oral)
# Interjections non reconnues par TreeTagger => pas mot, pas proposition
if (oral==1 and tagger=="treetagger" and (text[i]["word"]=="tiens" or text[i]["word"]=="heu")):
text[i]["tag"]="INT"
text[i]["rule"]="001"
if (tagger=="treetagger" and text[i]["tag"]=="ADV" and text[i]["word"]=="ben"):
text[i]["tag"]="INT"
text[i]["rule"]="001"
if text[i]["word"]=="parce":
text[i]["tag"]="INT"
text[i]["rule"]="001"
# 002 Ponctuation et symboles (mode oral)
# Signe de ponctuation, symbole => pas mot
#if re.search("^[a-zA-Zéèçàùêîôûäëïöü0-9]",text[i]["word"]) and text[i]["tag"]!="SYM":
if (tagger=="treetagger" and (text[i]["tag"]!="SYM" and text[i]["tag"]!="PUN" and text[i]["tag"]!="SENT" and text[i]["tag"]!="INT")) or (tagger=="cordial" and (text[i]["tag"][0]!="Y")):
text[i]["isWord"]="W"
text[i]["rule"]="002"
# 003 Succession de deux entiers regroupés en 1
# géré par TreeTagger et
# Two cardinal numbers in immediate succession are combined into one
# (Uncommon situation; the next one is much more common)
# -> done by TreeTagger
#if text[i-1]["tag"]=="NUM" and text[i]["tag"]=="NUM":
# i=i-1
# text[i]["word"]=text[i]["word"]+" "+text[i+1]["word"]
# text[i]["rule"]="003"
# del text[i+1]
# 004
# Cardinal + nonalphanumeric + cardinal are combined into one token
# (Common situation, for handling fractions, decimals, etc.
# -> done by TreeTagger
# 020 Répétition ou correction d'un mot (mode oral)
# A A ou préfixe-de-A A => premier A : pas mot, pas proposition
if ((oral==1 and text[i]["word"].find(text[i-1]["word"])==0)):
text[i-1]["isWord"]=" "
text[i-1]["isProp"]=" "
text[i-1]["rule"]="020"
# 021 022 ?
# 023 Répétition ou correction de 2 mots (mode oral)
# A B A B ou préfixe-de-A préfixe-de-B A B => premier A et premier B : pas mot, pas proposition
# CHECK Vérifier que la règle du préfixe est pertinente ou la remplacer par []
if ((oral==1 and text[i]["word"].find(text[i-2]["word"])==0 and text[i-1]["word"].find(text[i-3]["word"])==0)):
text[i-3]["isWord"]=" "
text[i-3]["isProp"]=" "
text[i-3]["rule"]="023"
text[i-2]["isWord"]=" "
text[i-2]["isProp"]=" "
text[i-2]["rule"]="023"
# 024 Répétition ou correction de 3 mots (mode oral)
# A B C A B C ou préfixe-de-A préfixe-de-B préfixe-de-C A B C => premier A, premier B et premier C : pas mot, pas proposition
if ((oral==1 and text[i]["word"].find(text[i-3]["word"])==0 and text[i-1]["word"].find(text[i-4]["word"])==0 and text[i-2]["word"].find(text[i-5]["word"].lower())==0)):
text[i-5]["isWord"]=" "
text[i-5]["isProp"]=" "
text[i-5]["rule"]="024"
text[i-4]["isWord"]=" "
text[i-4]["isProp"]=" "
text[i-4]["rule"]="024"
text[i-3]["isWord"]=" "
text[i-3]["isProp"]=" "
text[i-3]["rule"]="024"
# passif : problème de "par" ? Ne pas le compter si précédé d'un verbe au passif ?
# 101 est-ce que ...
# Ne pas compter comme proposition en mode oral
if ((oral==1) and (text[i-2]["lemma"]=="être") and (text[i-1]["lemma"]=="ce") and (text[i]["lemma"]=="que")):
text[i-2]["isProp"]=" "
text[i-2]["rule"]="101"
text[i-1]["isProp"]=" "
text[i-1]["rule"]="101"
text[i]["isProp"]=" "
text[i]["rule"]="101"
# 102 Clivages
# C'est + (au plus 5 mots) + "que" ou "qui" : "est" non compté comme proposition
if ((text[i]["lemma"]=="que") or (text[i]["lemma"]=="qui")):
if ((text[i-2]["lemma"]=="ce") and (text[i-1]["lemma"]=="être")):
text[i-1]["isProp"]=" "
text[i-1]["rule"]="102"
if ((text[i-3]["lemma"]=="ce") and (text[i-2]["lemma"]=="être")):
text[i-2]["isProp"]=" "
text[i-2]["rule"]="102"
if ((text[i-4]["lemma"]=="ce") and (text[i-3]["lemma"]=="être")):
text[i-3]["isProp"]=" "
text[i-3]["rule"]="102"
if ((text[i-5]["lemma"]=="ce") and (text[i-4]["lemma"]=="être")):
text[i-4]["isProp"]=" "
text[i-4]["rule"]="102"
# 200 Etiquetage basique des propositions
# Les tags correspondant à des propositions sont marqués comme propositions
# KON,NUM,DET*,PRP*,ADJ,PRO:POS,PRO:IND,ADV,VER*,PRO:REL
if (tagger=="treetagger" and isTreetaggerPropTag(text[i]["tag"])) or (tagger=="cordial" and isCordialPropTag(text[i]["tag"])):
text[i]["isProp"]="P"
text[i]["rule"]="200"
# 054 Déterminants démonstratifs (étiquetés pronoms démonstratifs) comptés comme proposition
# "cet", "cette", "ces" -> comptés comme proposition
# "ça" pas compté comme proposition
# celle, celui, ceux ?
# CHECK déf densité d'idées
# CHECK
if (tagger=="treetagger" and text[i]["lemma"]=="ce" and text[i]["tag"]!="PRO:DEM") :
text[i]["isProp"]="P"
text[i]["rule"]="054"
if (text[i]["word"]=="cet" or text[i]["word"]=="cette" or text[i]["word"]=="ces") :
text[i]["isProp"]="P"
text[i]["rule"]="054"
if (tagger=="treetagger" and text[i]["word"]=="Ca") :
text[i]["isProp"]=" "
text[i]["rule"]="054"
if (tagger=="treetagger" and (text[i-1]["lemma"]=="celui") and (text[i]["lemma"]=="là" or text[i]["lemma"]=="ci")) :
text[i]["isProp"]=" "
text[i]["rule"]="054"
# 201 Déterminants non propositions
# lemme = "un" ou "le" ou "du" => pas proposition
# Attention à "du" = "de le", voir règle 202
# CHECK liste de déterminants qui ne sont pas propositions
if (((text[i]["lemma"]=="un" or text[i]["lemma"]=="le" or text[i]["lemma"]=="du"))):
text[i]["isProp"]=" "
text[i]["rule"]="201"
# 202 Complément du nom introduit par "du"
# NOM du NOM => "du" est une proposition
if (tagger=="treetagger" and (text[i-1]["lemma"]=="du" and text[i]["tag"]=="NOM" and (text[i-2]["tag"]=="ADJ" or text[i-2]["tag"]=="NOM" or (text[i-3]["tag"]=="NOM" and text[i-2]["tag"]=="ADJ")))):
text[i-1]["isProp"]="P"
text[i-1]["rule"]="202"
# 203 Soit soit
# soit + 1 à 3 mots + soit : seul le premier "soit" est compré comme proposition
if (text[i-2]["word"]=="soit" or text[i-3]["word"]=="soit" or text[i-4]["word"]=="soit") and text[i]["word"]=="soit":
text[i]["isProp"]=" "
text[i]["rule"]="203"
# 204
# !Conjonctions "ou" ou "et" superflues avant adverbe
# adverbes après "et" : "puis", "alors", "donc", "ensuite", "finalement" => "et" pas proposition
# adverbes après "ou" : "alors" "bien" => "ou" pas proposition
# CHECK à compléter
if (tagger=="treetagger" and ((text[i]["lemma"]=="puis" or text[i]["lemma"]=="alors" or text[i]["lemma"]=="donc" or text[i]["lemma"]=="ensuite" or text[i]["lemma"]=="finalement") and text[i-1]["lemma"]=="et")):
text[i-1]["isProp"]=" "
text[i]["isProp"]="P"
text[i-1]["rule"]="204"
text[i]["rule"]="204"
if (tagger=="treetagger" and ((text[i]["lemma"]=="bien" or text[i]["lemma"]=="alors") and text[i-1]["lemma"]=="ou")):
text[i-1]["isProp"]=" "
text[i]["isProp"]="P"
text[i-1]["rule"]="204"
text[i]["rule"]="204"
# 205
# !Verbe intransitif
# pas compter "à" et "de" comme une proposition
# CHECK étiquetage treetagger des verbes intransitifs ? Non
# 206 "de" non proposition
# "de" n'est pas proposition après "falloir", "agir", "arriver", "paraître"
if text[i]["lemma"]=="de" and (text[i-1]["lemma"]=="agir" or text[i-1]["lemma"]=="arriver" or text[i-1]["lemma"]=="falloir" or text[i-1]["lemma"]=="paraître"):
text[i]["isProp"]=" "
text[i]["rule"]="206"
if text[i]["lemma"]=="de" and (text[i-1]["word"]=="envie" or text[i-1]["word"]=="lieu" or text[i-1]["word"]=="pitié" or text[i-1]["word"]=="soin") and (text[i-2]["lemma"]=="avoir" or text[i-3]["lemma"]=="avoir"):
text[i]["isProp"]=" "
text[i]["rule"]="206"
if text[i]["lemma"]=="de" and (text[i-1]["lemma"]=="près" or text[i-1]["lemma"]=="auprès" or text[i-1]["lemma"]=="lors"):
text[i]["isProp"]=" "
text[i]["rule"]="206"
if text[i]["lemma"]=="de" and (text[i-1]["lemma"]=="beaucoup" or text[i-1]["lemma"]=="plein" or text[i-1]["lemma"]=="énormément" or text[i-1]["lemma"]=="tellement"):
text[i]["isProp"]=" "
text[i]["rule"]="206"
if text[i-2]["word"]=="à" and (text[i-1]["word"]=="côté" and text[i]["lemma"]=="de"):
text[i]["isProp"]=" "
text[i]["rule"]="206"
if text[i-2]["word"]=="en" and (text[i-1]["word"]=="face" and text[i]["lemma"]=="de"):
text[i]["isProp"]=" "
text[i]["rule"]="206"
# 207 "que" non proposition
# "que" n'est pas proposition après "falloir", "sembler", "arriver", "paraître"
if text[i]["lemma"]=="que" and (text[i-1]["lemma"]=="falloir" or text[i-1]["lemma"]=="sembler" or text[i-1]["lemma"]=="arriver" or text[i-1]["lemma"]=="paraître"):
text[i]["isProp"]=" "
text[i]["rule"]="207"
if oral==1 and (text[i-2]["word"]=="est" and text[i-1]["word"]=="vrai" and text[i]["lemma"]=="que"):
text[i]["isProp"]=" "
text[i]["rule"]="207"
# 208 Comparatif
# "que" n'est pas proposition après "autant", "moins", "pire", "plus"
#if text[i]["lemma"]=="que" and (text[i-1]["lemma"]=="autant" or text[i-1]["lemma"]=="plus" or text[i-1]["lemma"]=="moins") and (text[i-2]["lemma"]=="autant" or text[i-2]["lemma"]=="plus" or text[i-2]["lemma"]=="moins") and (text[i-3]["lemma"]=="autant" or text[i-3]["lemma"]=="plus" or text[i-3]["lemma"]=="moins"):
if text[i]["lemma"]=="que" and (
(text[i-1]["lemma"]=="autant" or text[i-2]["lemma"]=="autant" or text[i-3]["lemma"]=="autant") or
(text[i-1]["lemma"]=="moins" or text[i-2]["lemma"]=="moins" or text[i-3]["lemma"]=="moins") or
(text[i-1]["lemma"]=="plus" or text[i-2]["lemma"]=="plus" or text[i-3]["lemma"]=="plus") or
(text[i-2]["lemma"]=="aussi" or text[i-3]["lemma"]=="aussi")
):
text[i]["isProp"]=" "
text[i]["rule"]="207"
if text[i]["lemma"]=="que" and (text[i-1]["lemma"]=="pire" or text[i-1]["lemma"]=="mieux"):
text[i]["isProp"]=" "
text[i]["rule"]="207"
# 210 Oui et non (mode oral)
# oui et non : pas proposition
if oral==1 and (text[i]["word"]=="oui" or text[i]["word"]=="non"):
text[i]["isProp"]=" "
text[i]["rule"]="210"
# 211 Négation
# "aucun" "guère" "jamais" "nul" "pas" "plus" "point" "que" "rien" précédé (à distance 1, 2 ou 3) par "ne" : seul "ne" proposition
if (tagger=="treetagger" and ((text[i]["lemma"]=="aucun" or text[i]["word"]=="guère" or text[i]["word"]=="jamais" or text[i]["lemma"]=="nul" or text[i]["word"]=="pas" or text[i]["word"]=="plus" or text[i]["word"]=="point" or text[i]["lemma"]=="que" or text[i]["word"]=="rien") and (text[i-1]["lemma"]=="ne" or text[i-2]["lemma"]=="ne" or text[i-3]["lemma"]=="ne"))):
text[i]["isProp"]=" "
text[i]["rule"]="211"
# 212 Négation suivie de "de"
# "de" n'est pas une proposition si précédée par négation
# CHECK pas du tout
if (tagger=="treetagger" and (text[i]["lemma"]=="de" and (text[i-1]["word"]=="pas" or text[i-1]["word"]=="plus" or text[i-1]["word"]=="guère" or text[i-1]["word"]=="point" or text[i-1]["word"]=="jamais" or text[i-1]["word"]=="rien"))):
text[i]["isProp"]=" "
text[i]["rule"]="212"
# 213 Futur proche
# lemme="aller" + infinitif = futur proche : aller n'est pas une proposition
if (tagger=="treetagger" and (text[i-1]["lemma"]=="aller" and text[i]["tag"]=="VER:infi")):
text[i-1]["isProp"]=" "
text[i-1]["rule"]="213"
# 214 Si ... alors
# "si" + 1 à 9 mots + "alors" : ne pas compter "alors" comme proposition, seulement "si".
if (text[i]["lemma"]=="alors" and (text[i-1]["lemma"]=="si" or text[i-2]["lemma"]=="si" or text[i-3]["lemma"]=="si" or text[i-4]["lemma"]=="si" or text[i-5]["lemma"]=="si" or text[i-6]["lemma"]=="si" or text[i-7]["lemma"]=="si" or text[i-8]["lemma"]=="si" or text[i-9]["lemma"]=="si")):
text[i]["isProp"]=" "
text[i]["rule"]="214"
# 301 Verbes de liaison
# Verbe de liaison pas proposition si suivi d'un adjectif ou d'un adverbe
if (tagger=="treetagger" and ((text[i]["tag"]=="ADJ" or (text[i]["tag"]=="ADV")) and isLink(text[i-1]["lemma"]))) or (tagger=="cordial" and ((text[i]["tag"][0]=="A" or text[i]["tag"][0]=="R") and isLink(text[i-1]["lemma"]))):
text[i-1]["isProp"]=" "
text[i-1]["rule"]="301"
#if (tagger=="treetagger" and ((text[i]["tag"]=="ADJ") and isLink(text[i-2]["lemma"]))) or (tagger=="cordial" and ((text[i]["tag"][0]=="A" or text[i]["tag"][0]=="R") and isLink(text[i-2]["lemma"]))):
# text[i-2]["isProp"]=" "
# text[i-2]["rule"]="301"
if (text[i-2]["lemma"]=="avoir" and text[i]["lemma"]=="le" and text[i]["lemma"]=="air"):
text[i]["isProp"]=" "
text[i-1]["isProp"]=" "
text[i-2]["isProp"]=" "
text[i]["rule"]="301"
text[i-1]["rule"]="301"
text[i-2]["rule"]="301"
# 302 Verbe être suivi d'une préposition
# "être" non proposition si suivi d'une préposition
if (tagger=="treetagger" and (text[i]["tag"]=="PRP" and (text[i-1]["lemma"]=="être" or text[i-1]["lemma"]=="suivre|être"))):
text[i-1]["isProp"]=" "
text[i-1]["rule"]="302"
if (tagger=="treetagger" and (text[i]["tag"]=="PRP" and (text[i-1]["tag"]=="ADV") and (text[i-2]["lemma"]=="être" or text[i-2]["lemma"]=="suivre|être"))):
text[i-2]["isProp"]=" "
text[i-2]["rule"]="302"
# 402 Auxiliaire
# AUX + VERBE => une seule proposition
if (tagger=="treetagger" and (re.search("^VER.*",text[i]["tag"]) and re.search("^VER:aux.*",text[i-1]["tag"]))):
text[i-1]["isProp"]=" "
text[i-1]["rule"]="402"
if (tagger=="cordial" and text[i]["tag"][0]=="V" and text[i]["tag"][1]=="a"):
text[i]["isProp"]=" "
text[i]["rule"]="402"
# 405 Auxiliaire avec mot interposé
# AUX + mot + VERBE => une seule proposition
# check : AUX + 2 mots + verbe
if (tagger=="treetagger" and (re.search("^VER.*",text[i]["tag"]) and re.search("^VER:aux.*",text[i-2]["tag"]))):
text[i-2]["isProp"]=" "
text[i-2]["rule"]="405"
# 500 Passif
# participe passé + "par" => "par" non proposition
if (tagger=="treetagger" and (text[i-1]["tag"]=="VER:pper" and text[i]["word"]=="par")):
text[i]["isProp"]=" "
text[i]["rule"]="500"
# 509 "à" + infinitif
# "à" + infinitif => "à" non proposition
if (tagger=="treetagger" and (text[i]["tag"]=="VER:infi" and text[i-1]["word"]=="à")):
text[i-1]["isProp"]=" "
text[i-1]["rule"]="509"
# 510 Gérondif
# "en" + "participe présent" => "en" non proposition
if (tagger=="treetagger" and (text[i]["tag"]=="VER:ppre" and text[i-1]["word"]=="en")):
text[i-1]["isProp"]=" "
text[i-1]["rule"]="510"
# 512 Verbes suivis d'une préposition naturelle
# "à" non prop si précédé de aller, voyager ... CHECK corpus
# "de" non prop si précédé de venir
if (tagger=="treetagger" and (text[i-1]["lemma"]=="aller" or text[i-1]["lemma"]=="sortir" or text[i-1]["lemma"]=="rentrer" or text[i-1]["lemma"]=="entrer" or text[i-1]["lemma"]=="rendre") and (text[i]["word"]=="à" or text[i]["word"]=="au")):
text[i]["isProp"]=" "
text[i]["rule"]="512"
if (tagger=="treetagger" and (text[i-1]["lemma"]=="arriver" or text[i-1]["lemma"]=="entrer" or text[i-1]["lemma"]=="rentrer" or text[i-1]["lemma"]=="revenir" or text[i-1]["lemma"]=="venir" or text[i-1]["lemma"]=="occuper" or text[i-1]["lemma"]=="essayer") and text[i]["lemma"]=="de"):
text[i]["isProp"]=" "
text[i]["rule"]="512"
# 600 Marqueurs discursifs
# expressions qui ne sont pas proposition
# je crois bien
# comment te dirais-je ?/ comment je vous dirais-je ?, je dirais, direais-je, comment je pourrais dire, comme on dit, comme qui dirait, dit-on, je te dis/ je vous dis, si on peut dire/ si je puis dire, tu m?en diras tant, dis-moi donc, tu me dis pas/ vous me dites pas/ dis-moi pas/ dites-moi pas, je dis pas, c?est ben pour dire, cela va sans dire, c?est le cas de le dire, à qui le dis-tu/ à qui le dites-vous, c?est tout dire, c?est le cas de le dire, à qui le dis-tu/ à qui le dites-vous, c?est tout dire, ce n?est pas peu dire, c?est moi qui te le dis, c?est moi qui vous le dis, il n?y a pas à dire
# Entendre : entendons-nous, s?entend, tu entend/ vous m?entendez, entends-tu/ m?entendez-vous, ce qu?il faut pas entendre/ qu?est-ce qu?il faut pas entendre
# Falloir : il s?en faut, tant s?en faut
# Faire : fais-toi-z-en pas/ faites-vous-z-en pas
# Inquiéter : inquiète-toi pas/ inquiétez-vous pas
# mets-en/ mettez-en
# Paraître : paraît-il, il paraît, à ce qu?il paraît
# Parler : tu parles, parle-moi de/ parlez-moi de, parle-moi-z-en pas/ parlez-moi-z-en pas, parlons-en
# Pense-z-y pas/ pensez-y pas
# regarde-moi ça/ regardez-moi ça, regarde donc
# CHECK
# or text[i]["word"]=="va" or text[i]["word"]=="dis"
if oral==1 and (text[i]["word"]=="admettons" or text[i]["word"]=="allez" or text[i]["word"]=="allons" or text[i]["word"]=="attends" or text[i]["word"]=="attendez" or text[i]["word"]=="comprenez" or text[i]["word"]=="disons" or text[i]["word"]=="écoute" or text[i]["word"]=="écoutez" or text[i]["word"]=="mettons" or text[i]["word"]=="mettez" or text[i]["word"]=="regarde" or text[i]["word"]=="regardez" or text[i]["word"]=="voyons" or text[i]["word"]=="enfin" or text[i]["word"]=="voilà"):
text[i]["isProp"]=" "
text[i]["rule"]="600"
if oral==1 and ((text[i-1]["word"]=="va" and text[i]["word"]=="donc") or (text[i-1]["word"]=="ça" and text[i]["word"]=="va") or (text[i-1]["word"]=="attends" and text[i]["word"]=="voir") or (text[i-1]["word"]=="attendez" and text[i]["word"]=="voir") or (text[i-1]["word"]=="tu" and text[i]["word"]=="comprends") or (text[i-1]["word"]=="vous" and text[i]["word"]=="comprenez") or (text[i-1]["word"]=="comprends" and text[i]["word"]=="tu") or (text[i-1]["word"]=="comprenez" and text[i]["word"]=="vous") or (text[i-1]["word"]=="dis" and text[i]["word"]=="donc") or (text[i-1]["word"]=="tu" and text[i]["word"]=="vois") or (text[i-1]["word"]=="vous" and text[i]["word"]=="voyez") or (text[i-1]["word"]=="figure" and text[i]["word"]=="toi") or (text[i-1]["word"]=="figurez" and text[i]["word"]=="vous") or (text[i-1]["word"]=="je" and text[i]["word"]=="imagine")):
text[i-1]["isProp"]=" "
text[i-1]["rule"]="600"
text[i]["isProp"]=" "
text[i]["rule"]="600"
# 601 bien comme marqueur discursif
# "bien" n'est alors pas proposition
if oral==1 and text[i]["word"]=="bien" and (text[i-1]["lemma"]=="penser" or text[i-1]["lemma"]=="regarder" or text[i-1]["lemma"]=="écouter" or text[i-1]["lemma"]=="voir"):
text[i]["isProp"]=" "
text[i]["rule"]="601"
# 602 donc comme marqueur discursif
# "donc" n'est alors pas proposition
if oral==1 and text[i]["word"]=="donc" and (text[i-1]["lemma"]=="dire" or text[i-1]["lemma"]=="comprendre" or text[i-1]["lemma"]=="aller"):
text[i]["isProp"]=" "
text[i]["rule"]="602"
# Expressions à vérifier (compter une seule fois) : à moins que, à côté de, tout à coup, tout de suite
# 634
# "figurez-vous que" "vous voyez" -> 1 mot 0 prop dans CPIDR
# CHECK trouver les marqueurs du discours -> "dis donc", "écoutez", "écoute", "voyons", "tiens", "mettons", "admettons", "disons", "réfléchissons", "figure-toi", "comment dirais-je"
# 701 Mots composés
# Compter comme une seule proposition
# copule -> "passer pour"
# adverbe -> "tout à coup", "tout de suite", "de temps en temps", "par ailleurs", "par conséquent", "tout de même", "par contre", "par bonheur", "par malheur"
# causalité -> "parce que"
# location -> "à côté de", "en face de"
if text[i]["lemma"]=="jusque":
text[i]["isProp"]=" "
text[i]["rule"]="701"
if text[i-1]["word"]=="bien" and text[i]["word"]=="sûr":
text[i-1]["isProp"]="P"
text[i-1]["rule"]="701"
text[i]["isProp"]=" "
text[i]["rule"]="701"
if text[i-1]["word"]=="bien" and text[i]["word"]=="sûr":
text[i-1]["isProp"]="P"
text[i-1]["rule"]="701"
text[i]["isProp"]=" "
text[i]["rule"]="701"
if ((text[i-1]["word"]=="de") or (text[i-1]["word"]=="en")) and text[i]["word"]=="plus":
text[i-1]["isProp"]=" "
text[i-1]["rule"]="701"
text[i]["isProp"]="P"
text[i]["rule"]="701"
if text[i-1]["lemma"]=="parce" and text[i]["word"]=="que":
text[i]["isProp"]="P"
text[i]["rule"]="701"
if text[i-1]["lemma"]=="tant" and (text[i]["word"]=="pis" or text[i]["word"]=="mieux"):
text[i-1]["isProp"]="P"
text[i-1]["rule"]="701"
text[i]["isProp"]=" "
text[i]["rule"]="701"
if text[i-2]["lemma"]=="passer" and (text[i-1]["word"]=="pour" and text[i]["tag"]=="NOM"):
text[i-1]["isProp"]=" "
text[i-1]["rule"]="701"
if (text[i-2]["lemma"]=="petit" and text[i-1]["lemma"]=="à" and text[i]["lemma"]=="petit"):
text[i-2]["isProp"]=" "
text[i-2]["rule"]="701"
text[i-1]["isProp"]=" "
text[i-1]["rule"]="701"
text[i]["isProp"]="P"
text[i]["rule"]="701"
if text[i-1]["word"]=="tout" and (text[i]["word"]=="à" or text[i]["word"]=="de"):
text[i]["isProp"]=" "
text[i]["rule"]="701"
if text[i-1]["word"]=="quand" and ((text[i]["word"]=="-même") or (text[i]["word"]=="même")):
text[i]["isProp"]=" "
text[i]["rule"]="701"
if text[i-1]["lemma"]=="entre" and (text[i]["lemma"]=="autre"):
text[i]["isProp"]=" "
text[i]["rule"]="701"
if text[i-2]["word"]=="tout" and (text[i-1]["word"]=="de" and text[i]["word"]=="même"):
text[i-1]["isProp"]=" "
text[i-1]["rule"]="701"
text[i]["isProp"]=" "
text[i]["rule"]="701"
if text[i-2]["lemma"]=="de" and text[i-1]["word"]=="toute" and text[i]["word"]=="façon":
text[i-2]["isProp"]=" "
text[i-2]["rule"]="701"
text[i]["isProp"]=" "
text[i]["rule"]="701"
if text[i-3]["lemma"]=="tout" and text[i-2]["lemma"]=="de" and text[i-1]["word"]=="un" and text[i]["word"]=="coup":
text[i-3]["isProp"]=" "
text[i-3]["rule"]="701"
text[i-2]["isProp"]=" "
text[i-2]["rule"]="701"
text[i-1]["isProp"]=" "
text[i-1]["rule"]="701"
text[i]["isProp"]=" "
text[i]["rule"]="701"
if text[i-2]["word"]=="à" and text[i-1]["word"]=="peu" and text[i]["word"]=="près":
text[i-2]["isProp"]=" "
text[i-2]["rule"]="701"
text[i-1]["isProp"]=" "
text[i-1]["rule"]="701"
if (text[i-1]["word"]=="alors" or text[i-1]["word"]=="bien" or text[i-1]["word"]=="dès" or text[i-1]["word"]=="pendant") and (text[i]["lemma"]=="que"):
text[i]["isProp"]=" "
text[i]["rule"]="701"
if (((text[i-2]["word"]=="du" and text[i-1]["word"]=="fait") or (text[i-2]["word"]=="en" and text[i-1]["word"]=="tant")) and text[i]["lemma"]=="que"):
text[i-2]["isProp"]=" "
text[i-2]["rule"]="701"
text[i-1]["isProp"]=" "
text[i-1]["rule"]="701"
text[i]["isProp"]="P"
text[i]["rule"]="701"
if (text[i-2]["word"]=="en" and text[i-1]["word"]=="train" and text[i]["lemma"]=="de"):
text[i-2]["isProp"]=" "
text[i-2]["rule"]="701"
text[i-1]["isProp"]=" "
text[i-1]["rule"]="701"
text[i]["isProp"]="P"
text[i]["rule"]="701"
if (text[i-3]["word"]=="vis" and text[i-2]["word"]=="à" and text[i-1]["word"]=="vis" and text[i]["lemma"]=="de"):
text[i-3]["isProp"]=" "
text[i-3]["isWord"]=" "
text[i-3]["rule"]="701"
text[i-2]["isProp"]=" "
text[i-2]["isWord"]=" "
text[i-2]["rule"]="701"
text[i-1]["isProp"]=" "
text[i-1]["rule"]="701"
text[i]["isProp"]="P"
text[i]["rule"]="701"
if (text[i-3]["word"]=="de" and text[i-2]["word"]=="temps" and text[i-1]["word"]=="en" and text[i]["lemma"]=="temps"):
text[i-3]["isProp"]="P"
text[i-3]["rule"]="701"
text[i-2]["isProp"]=" "
text[i-2]["rule"]="701"
text[i-1]["isProp"]=" "
text[i-1]["rule"]="701"
text[i]["isProp"]=" "
text[i]["rule"]="701"
if (text[i-1]["word"]=="vis-à-vis" and text[i]["lemma"]=="de"):
text[i-1]["isProp"]=" "
text[i-1]["rule"]="701"
text[i]["isProp"]="P"
text[i]["rule"]="701"
# 702 Mots composés avec "par"
# expressions qui ne correspondent qu'à une seule proposition
if text[i-1]["word"]=="par" and (text[i]["word"]=="ailleurs" or text[i]["word"]=="après" or text[i]["word"]=="avance" or text[i]["word"]=="bonheur" or text[i]["word"]=="chance" or text[i]["word"]=="conséquent" or text[i]["word"]=="contre" or text[i]["word"]=="derrière" or text[i]["word"]=="ici" or text[i]["word"]=="là" or text[i]["word"]=="là-bas" or text[i]["word"]=="malheur" or text[i]["word"]=="suite"):
text[i-1]["isProp"]=" "
text[i]["isProp"]="P"
text[i-1]["rule"]="702"
text[i]["rule"]="702"
if (text[i-1]["word"]=="de" and text[i]["word"]=="par"):
text[i-1]["isProp"]=" "
text[i]["isProp"]="P"
text[i-1]["rule"]="702"
text[i]["rule"]="702"
if (text[i-2]["word"]=="par" and (text[i-1]["word"]=="rapport" and text[i]["word"]=="à") or (text[i-1]["word"]=="la" and text[i]["word"]=="suite")):
text[i-2]["isProp"]=" "
text[i-1]["isProp"]=" "
text[i]["isProp"]="P"
text[i-2]["rule"]="702"
text[i-1]["rule"]="702"
text[i]["rule"]="702"
# 703 Mots composés avec "avoir"
# expressions qui ne correspondent qu'à une seule proposition
if text[i-2]["lemma"]=="en" and text[i-1]["lemma"]=="avoir" and (text[i]["word"]=="après" or text[i]["word"]=="contre"):
text[i-2]["isProp"]=" "
text[i-1]["isProp"]=" "
text[i]["isProp"]="P"
text[i-2]["rule"]="703"
text[i-1]["rule"]="703"
text[i]["rule"]="703"
if oral==1 and mode=="noprop":
text[i]["isProp"]=" "
if oral==1 and mode=="noword":
text[i]["isProp"]=" "
text[i]["isWord"]=" "
i+=1
# Display information about the words
nbProps=0
nbWords=0
bilanRegles={}
i=0
while i < len(text):
item=text[i]
if item["isWord"]=="W":
nbWords+=1;
if item["isProp"]=="P":
nbProps+=1;
tag=item["tag"]
while len(tag)<12:
tag=tag+" "
if item["rule"] in bilanRegles:
bilanRegles[item["rule"]]+=1
else:
bilanRegles[item["rule"]]=1
output.writelines(item["rule"]+" "+tag+" "+item["isWord"]+" "+item["isProp"]+" "+item["word"]+"\n")
if visible==1:print(item["rule"] + " " + tag + " " + item["isWord"] + " " + item["isProp"] + " " + item["word"])
i+=1
# Display final information
output.writelines("\n"+str(nbWords)+" mots.\n")
output.writelines(str(nbProps)+" propositions.\n")
output.writelines("Densité des idées : "+str(10*round((nbProps+0.00000001)/(nbWords+0.00000001),4))+"\n")
if visible==1:
print(str(nbWords) + " mots.")
print(str(nbProps) + " propositions.")
print("Densité des idées : " + str(round(10*(nbProps+0.00000001)/(nbWords+0.00000001),4)))
else :
print(thefile+";"+str(nbWords)+";"+str(nbProps))
numRegles=list(bilanRegles.keys());
numRegles.sort()
for item in numRegles:
output.writelines(str(bilanRegles[item]) + " fois la règle " + item + "\n")
if visible==1:
print (str(bilanRegles[item])+" fois la règle "+item)
output.close()
else:
if thefile=="help":
print("""==== HELP ON DENSIDEES ====
densidees [options] <filename>
<filename> contains an output file from the French TreeTagger
(or a CNR file output by Cordial if you use option tag=cordial).
Use for example the online version of TreeTagger on
https://cental.uclouvain.be/treetagger/
***OPTIONS:***"
oral=1: to activate speech mode.
visible=0: to activate invisible mode, i.e. the only thing
is the result of the computation: useful when computing
the idea density of a set of files.
tag=<tagger> where <tagger> is treetagger or cordial:
to choose the POS-tagger.
!! the Cordial rules are in beta version""")
else:
print(filename + """ - file does not exist!
Please use option help to display the possible parameters.""")