iramuteq.org Git - iramuteq/blob - tools.py

   1 #!/bin/env python
   2 # -*- coding: utf-8 -*-
   3 #Author: Pierre Ratinaud
   4 #Copyright (c) 2008-2013, Pierre Ratinaud
   5 #License: GNU GPL
   6
   7 import codecs
   8 import os
   9 from dialog import ExtractDialog
  10 from corpus import Corpus, copycorpus
  11 import wx
  12
  13
  14 parametres = {'filein' : 'corpus/lru2.txt',
  15               'encodein' : 'utf8',
  16               'encodeout' : 'utf8',
  17               'mods' : [u'*annee_2010', u'*annee_2011']}
  18
  19 def istext(line) :
  20     if line.startswith(u'**** ') :
  21         return True
  22     else :
  23         return False
  24
  25 def testvar(line, variable) :
  26     line = line.split()
  27     varmod = [val.split('_') for val in line[1:]]
  28     vars = [var[0] for var in varmod]
  29     if variable in vars :
  30         return '_'.join([variable, varmod[vars.index(variable)][1]]).replace(u'*','')
  31     else :
  32         return False
  33
  34 def testmod(line, mods) :
  35     line = line.split()
  36     for mod in mods :
  37         if mod in line[1:] :
  38             return mod.replace(u'*','')
  39     return False
  40
  41
  42 class Extract :
  43     def __init__(self, parent, option) :
  44         dial = ExtractDialog(parent, option)
  45         dial.CenterOnParent()
  46         res = dial.ShowModal()
  47         if res == wx.ID_OK :
  48             parametres = dial.make_param()
  49             if option == 'splitvar' :
  50                 SplitFromVar(parametres)
  51             else :
  52                 ExtractMods(parametres)
  53         dial.Destroy()
  54         dial = wx.MessageDialog(parent, 'Done !', style = wx.OK)
  55         dial.ShowModal()
  56         dial.Destroy()
  57
  58 class SplitFromVar :
  59     def __init__(self, parametres) :
  60         self.filein = parametres['filein']
  61         self.var = parametres['var']
  62         self.encodein = parametres['encodein']
  63         self.encodeout = parametres['encodeout']
  64         self.basepath = os.path.dirname(self.filein)
  65         self.doparse()
  66
  67     def doparse(self) :
  68         keepline = False
  69         filedict = {}
  70         with codecs.open(self.filein, 'r', self.encodein) as fin :
  71             for line in fin :
  72                 if istext(line) :
  73                     varmod = testvar(line, self.var)
  74                     if varmod :
  75                         keepline = True
  76                         if varmod not in filedict :
  77                             filename = os.path.join(self.basepath, varmod + '.txt')
  78                             filedict[varmod] = open(filename, 'w')
  79                         fileout = filedict[varmod]
  80                     else :
  81                         keepline = False
  82                 if keepline :
  83                     fileout.write(line.encode(self.encodeout))
  84         for f in filedict :
  85             filedict[f].close()
  86
  87 class ExtractMods :
  88     def __init__(self, parametres) :
  89         self.onefile = parametres.get('onefile', False)
  90         self.filein = parametres['filein']
  91         self.mods = parametres['mods']
  92         self.encodein = parametres['encodein']
  93         self.encodeout = parametres['encodeout']
  94         self.basepath = os.path.dirname(self.filein)
  95         if self.onefile :
  96             filename = os.path.join(self.basepath, '_'.join([mod.replace(u'*','') for mod in self.mods])+'.txt')
  97             self.fileout = open(filename, 'w')
  98         self.doparse()
  99
 100     def doparse(self) :
 101         keepline = False
 102         filedict = {}
 103         with codecs.open(self.filein, 'r', self.encodein) as fin :
 104             for line in fin :
 105                 if istext(line) :
 106                     modinline = testmod(line, self.mods)
 107                     if modinline :
 108                         keepline = True
 109                         if not self.onefile :
 110                             if modinline not in filedict :
 111                                 filename = os.path.join(self.basepath, modinline + '.txt')
 112                                 filedict[modinline] = open(filename, 'w')
 113                             fileout = filedict[modinline]
 114                         else :
 115                             fileout = self.fileout
 116                     else :
 117                         keepline = False
 118                 if keepline :
 119                     fileout.write(line.encode(self.encodeout))
 120         if not self.onefile :
 121             for f in filedict :
 122                 filedict[f].close()
 123         else :
 124             self.fileout.close()
 125
 126
 127 class SubCorpus(Corpus) :
 128     def __init__(self, parent, corpus, sgts) :
 129         Corpus.__init__(self, parent, corpus.parametres)
 130         self.sgts = sgts
 131         self.corpus = copycorpus(corpus)
 132         self.corpus.make_lems(self.parametres['lem'])
 133         textes = list(set([corpus.getucefromid(sgt).uci for sgt in sgts]))
 134         self.ucis = [corpus.ucis[i] for i in textes]
 135         for texte in self.ucis :
 136             texte.uces = [uce for uce in texte.uces if uce.ident in self.sgts]
 137         self.make_formes(corpus)
 138         self.pathout = corpus.pathout
 139         self.parametres['sub'] = self.sgts
 140
 141     def make_formes(self, corpus) :
 142         self.formes = {}
 143         for forme in self.corpus.formes :
 144             sgtseff = self.corpus.getformeuceseff(forme)
 145             sgts = set(self.sgts).intersection(sgtseff.keys())
 146             if len(sgts) :
 147                 self.formes[forme] = self.corpus.formes[forme]
 148                 self.formes[forme].freq = sum([sgtseff[sgt] for sgt in sgts])
 149
 150     def getlemuces(self, lem) :
 151         return list(set(self.sgts).intersection(self.corpus.getlemuces(lem)))
 152
 153 def converttabletocorpus(table, fileout, enc='UTF8') :
 154     var = table.pop(0)
 155     var = var[0:len(var)-1]
 156     print var
 157     et = [zip(var, line[0:len(line)-1]) for line in table]
 158     et = ['**** ' + ' '.join(['*' + '_'.join(val) for val in line]) for line in et]
 159     txt = ['\n'.join([et[i], line[-1]]) for i, line in enumerate(table)]
 160     print '\n'.join(txt)
 161     #with open(fileout, 'w') as f :
 162
 163
 164
 165
 166
 167 if __name__ == '__main__' :
 168     #SplitFromVar(parametres)
 169     ExtractMods(parametres, True)