le process du "c cedille"

[mat]

le process du "c cedille"
j'aimerai développer un petit moteur de recherche dont le principe est le suivant:
trier une liste de mot avec une contrainte genre tt les mots avec un "c cédille"
dans une base de donnée internet…
j'ai des notions de lingo (director)
j'ai aussi une sacrée liste de mot classé (+ de 30 000)
quelqu'un a une idée?
evidement si en plus on peux changer la contrainte…
allé au boulot les gars et que ça saute!!!!

merci
mat

[mat]

c'est si compliqué?

[mat]

a priori oui…

[f_cam]

Je ne comprends pas tres bien ta question. Tu veux sortir toutes les rangées d'une base dont une colonne donnée contient un (ou plusieurs caracteres données)?
A ce moment la tu fais qqch genre select * from mabase where macolonne like "%b%"

[Einstein]

ou bien, si ton texte est formaté par htmlentities:
select * from tabase where tacolonne like "Ç" or "ç"

[mat]

oula! compliqué!

en fait je veux pouvoir extraire de n'importe quel texte les mots comprenant un "ç"
et l'ideale serait de rentre une URL, le moteur scan la page et me sors une liste de tt les mots avec "ç"
voilou

[f_cam]

OK, j'avais pas bien compris la question.
Le plus simple, c'est avec un truc comme perl, une petite expression reguliere et le tour devrait etre joué.

[mat]

ok, j'ai cru comprendre que perl est un moteur de recherche c'est ça?

mais si par exemple je veux scanner cette page http://www.mines.inpl-nancy.fr/~tombre/Arc...g/Td101103/mots dont je ne suis pas l'auteur?

[f_cam]

Pas exactement. perl est un langage de programmation tres orienté manipulation de chaines/expressions regulieres.

dans ton cas precis c'est encore plus simple, un truc du type

CODE

curl "http://www.mines.inpl-nancy.fr/~tombre/Archilog/Td101103/mots" | grep "ç"

suffira. Attention par contre aux histoires d'encodage, moi en reglant sur ISO-Latin 1, ca marche (mais quand je tape la commande a executer il met \347 au lieu de ç).

[mat]

et dans quel appli tout ça s'execute?

[f_cam]

Dans le terminal.

[mat]

oups, j'avais pas vu la réponse…

il me donne ça:

CODE

Last login: Thu Aug  5 08:56:56 on console
Welcome to Darwin!
[mat:~] matthieu% curl "http://www.mines.inpl-nancy.fr/~tombre/Archilog/Td101103/mots" | grep "\303\247"
 % Total    % Received % Xferd  Average Speed          Time             Curr.
                                Dload  Upload Total    Current  Left    Speed
100  950k  100  950k    0     0   117k      0  0:00:08  0:00:08  0:00:00  126k
[mat:~] matthieu%

heu? j'en fais quoi?

[mat]

sinon, ya pas moyen de le faire en apple script?
merci encore les gars…

[f_cam]

Là où ce que je t'ai donné foire c'est que ton ordi fait la recherche en utf 8, alors que le fichier est en ISO-Latin 1
Désolé, l'applescript n'est pas mon domaine.

[mat]

et comment je fais pour convertir?
merci

[schlum]

Pas exactement. perl est un langage de programmation tres orienté manipulation de chaines/expressions regulieres.

dans ton cas precis c'est encore plus simple, un truc du type

CODE

curl "http://www.mines.inpl-nancy.fr/~tombre/Archilog/Td101103/mots" | grep "ç"

suffira. Attention par contre aux histoires d'encodage, moi en reglant sur ISO-Latin 1, ca marche (mais quand je tape la commande a executer il met \347 au lieu de ç).
[right][snapback]720171[/snapback][/right]

CODE

curl -O "http://www.mines.inpl-nancy.fr/~tombre/Archilog/Td101103/mots"
cat mots | grep "ç"

Je dirais

[mat]

marche pas!

CODE

[mat:~] matthieu% http://www.mines.inpl-nancy.fr/~tombre/Archilog/Td101103/mots" && cat mots | grep "\303\247"
tcsh: Unmatched ".
[mat:~] matthieu%

en plus il me rensforme le ç en 247…

[f_cam]

Tu peux mettre ton terminal sur le même encodage (avec la palette Window Settings).

Tu as aussi convertir le texte avec iconv, dans le cas présent:

CODE

iconv -f LATIN1 -t UTF-8 mots | grep "\303\247"

si tu as le fichier dans le repertoire courant avec le nom "mots"
ou

CODE

curl "http://www.mines.inpl-nancy.fr/~tombre/Archilog/Td101103/mots" | iconv -f LATIN1 -t UTF-8 | grep "\303\247"

si tu l'as pas. attention, le \303\247 n'est pas à taper, il faut taper un c çedille comme on le fait normalement et le terminal transcrira cette séquence (ce qui n'est pas la même chose que de taper la séquence à la main).

[ploute]

Euh non schlum, par défaut curl affiche sur stdout, donc le grep est bien passé... je sens mieux l'histoire d'encodage texte

Ptêt retenter en réglant la fenêtre Ter;inal sur ISO-Latin-9 (ou Latin-1 c'est pareil en ce qui concerne la cédille)

[mat]

Tu peux mettre ton terminal sur le même encodage (avec la palette Window Settings).

Tu as aussi convertir le texte avec iconv, dans le cas présent:

CODE

iconv -f LATIN1 -t UTF-8 mots | grep "\303\247"

si tu as le fichier dans le repertoire courant avec le nom "mots"
ou

CODE

curl "http://www.mines.inpl-nancy.fr/~tombre/Archilog/Td101103/mots" | iconv -f LATIN1 -t UTF-8 | grep "\303\247"

si tu l'as pas. attention, le \303\247 n'est pas à taper, il faut taper un c çedille comme on le fait normalement et le terminal transcrira cette séquence (ce qui n'est pas la même chose que de taper la séquence à la main).
[right][snapback]800286[/snapback][/right]

ça donne

CODE

 Last login: Thu Aug  5 13:14:49 on ttyp1
Welcome to Darwin!
[mat:~] matthieu% curl "http://www.mines.inpl-nancy.fr/~tombre/Archilog/Td101103/mots" | iconv -f LATIN1 -t UTF-8 | grep"\303\247"
tcsh: grep\303\247: Command not found.
 % Total    % Received % Xferd  Average Speed          Time             Curr.
                                Dload  Upload Total    Current  Left    Speed
 1  950k    1 17008    0     0  30979      0  0:00:31  0:00:00  0:00:30 71641
curl: (23) Failed writing body
[mat:~] matthieu%

je comprend plus grand chose la…
désolé, c'est la 1ere fois que j'ouvre le terminal…

[schlum]

et comment je fais pour convertir?
merci
[right][snapback]800241[/snapback][/right]

CODE

iconv -f L1 -t UTF-8 mots > mots2

[mat]

ayé ça marche!!!!!!!!!
merci!!!!!!!!!!!

[schlum]

Euh non schlum, par défaut curl affiche sur stdout, donc le grep est bien passé... je sens mieux l'histoire d'encodage texte 

Ptêt retenter en réglant la fenêtre Ter;inal sur ISO-Latin-9 (ou Latin-1 c'est pareil en ce qui concerne la cédille)
[right][snapback]800289[/snapback][/right]

Pas tous les curl ... La version de fink que j'ai ne le fait pas

[mat]

alors recap:
ouvrir le terminal
mettre en iso latin 1 ds l"afficher les infos"
curl "http://adresse a scanner" | iconv -f LATIN1 -t UTF-8 | grep "lettre a chercher"
valider

merci les gars!

[schlum]

alors recap:
ouvrir le terminal
mettre en iso latin 1 ds l"afficher les infos"
curl "http://adresse a scanner" | iconv -f LATIN1 -t UTF-8 | grep "lettre a chercher"
valider

merci les gars!
[right][snapback]800302[/snapback][/right]

curl affiche le fichier ? [EDIT] Bon, au temps pour moi, j'ai un curl bizarre

Bon, en tout cas, t'es pas obligé de retélécharger à chaque fois Une fois téléchargé (avec curl), tu peux remplacer la permière partie par "cat mots", ce sera instantané ...

[mat]

???
euh…
en fait le resultat c'est une liste de mots ds le terminal…
je comprend pas ce qu'est "curl"

[schlum]

???
euh…
en fait le resultat c'est une liste de mots ds le terminal…
je comprend pas ce qu'est "curl"
[right][snapback]800309[/snapback][/right]

C'est un utilitaire de téléchargement ... On a pas le même f_cam, ploute et moi ; pour ça que je comprenais pas pourquoi ça marchait
En fait, le mieux c'est de le télécharger une bonne fois pour toute sur le disque :

CODE

curl "http://www.mines.inpl-nancy.fr/~tombre/Archilog/Td101103/mots" > mots

Puis tu n'as plus qu'à faire des :

CODE

cat mots | grep "expression_régulière"

Dans une expression régulière, . remplace un caractère, * remplace un nombre quelconque de fois répété le lemme précédent, + la même chose mais avec au moins une fois, ^ remplace le début d'une ligne, $ la fin d'une ligne, [] représentent un caractère parmi ceux à l'intérieur, [^] remprésentent un caractère parmi ceux qui ne sont pas à l'intérieur ...

[mat]

oula!
merci je vais cartonner avec ça…
encore merci tous!

[f_cam]

C'est un utilitaire de téléchargement ... On a pas le même f_cam, ploute et moi ; pour ça que je comprenais pas pourquoi ça marchait 
[right][snapback]800314[/snapback][/right]

C'est pas ton curl qui est bizarre, c'est toi qui lui files un -O

[mat]

???
euh…
en fait le resultat c'est une liste de mots ds le terminal…
je comprend pas ce qu'est "curl"
[right][snapback]800309[/snapback][/right]

C'est un utilitaire de téléchargement ... On a pas le même f_cam, ploute et moi ; pour ça que je comprenais pas pourquoi ça marchait
En fait, le mieux c'est de le télécharger une bonne fois pour toute sur le disque :

CODE

curl "http://www.mines.inpl-nancy.fr/~tombre/Archilog/Td101103/mots" > mots

Puis tu n'as plus qu'à faire des :

CODE

cat mots | grep "expression_régulière"

Dans une expression régulière, . remplace un caractère, * remplace un nombre quelconque de fois répété le lemme précédent, + la même chose mais avec au moins une fois, ^ remplace le début d'une ligne, $ la fin d'une ligne, [] représentent un caractère parmi ceux à l'intérieur, [^] remprésentent un caractère parmi ceux qui ne sont pas à l'intérieur ...
[right][snapback]800314[/snapback][/right]

concretement si je cherche un mot de 5 lettre avec un "e" a la 3eme place, je tape cat mots | grep "..e.."?