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

   1 from corpus import *
   2 from functions import DoConf
   3
   4 corpus_encodage = 'cp1252'
   5 corpus_in = '/home/pierre/fac/identite/identite_sans_doublons_ok_corpus_6/Corpus/corpus.cira'
   6
   7 corpus_parametres = DoConf('/home/pierre/.iramuteq/corpus.cfg').getoptions('corpus')
   8 corpus_parametres['filename'] = self.filename
   9 corpus_parametres['encoding'] = corpus_encodage
  10 corpus_parametres['syscoding'] = 'utf8'
  11 #corpus = BuildFromAlceste(self.filename, corpus_parametres, self.lexique, self.expressions).corpus
  12                 #with codecs.open(self.filename, 'r', self.corpus_encodage) as f:
  13 corpus = Corpus(self, parametres = {'filename': corpus_in, 'syscoding': 'utf8'}, read = corpus_in)
  14
  15 corpus.conn_all()
  16
  17 etoiles = ['*date_0211','*date_0311', '*date_0411', '*date_0511', '*date_0611', '*date_0711']
  18 corpus.read_corpus()
  19 corpus.make_lems()
  20 actives = corpus.make_actives(450)
  21 corpus.make_and_write_sparse_matrix_from_uces(actives, 'mm.mm')
  22 ucesize = corpus.getucesize()
  23 float(sum(ucesize)/len(ucesize)
  24 actives = corpus.make_actives(10)
  25 #ucesize = corpus.make_uceactsize(actives)
  26 #uc1, uc2 = corpus.make_uc(actives, 25, 27)
  27 corpus.make_and_write_sparse_matrix_from_uc(actives, 25, 27, 'uc1.mm', 'uc2.mm')
  28 tab = corpus.make_lexitable(100, etoiles)