Les scripts perl

Bonjour tout le monde,

En ce moment =C3=A9tudiant en traductique, j'ai commenc=C3=A9 =C3=A0 appren=
dre les
langages de perl et des scripts, mais je suis pas tr=C3=A8s tr=C3=A8s dou=
=C3=A9 pour
le langage de programmation et qui fait que j'ai du mal =C3=A0 comprendre
quelques exercices. Auriez-vous la gentillesse de me trouver des
solutions par rapport =C3=A0 mes questions?

J'ai des questions et des fichiers mais y a til une possibilt=C3=A9 de
partager les fichiers de tarvail sur ce groupe? si oui par quel biais?

Si l'un d'entre vous voulez bien me donner une adresse m=C3=A9l je pourrais
=C3=A0 la rigeur vous envoyer les fichiers par mel.

En vous remerciant d'avance,

Veuillez trouver en bas le sujet des exercices:

Fichiers de travai l :
Tous les fichiers dont j'ai besoin sont dans le r=C3=A9pertoire
Devoir_fichiers_travail
Sujet :
l'exercice est compos=C3=A9 de 3 parties : (A) 2 scripts =C3=A0 =C3=A9crire=
, (B) un
script =C3=A0
interpr=C3=A9ter/corriger et (C) un algorithme =C3=A0 =C3=A9crire.
(A) Faire un script Perl pour chaque question ci-dessous :
NB ! N'oubliez pas de commenter vos scripts et les rendre aussi
lisibles que possible (par
espacement, par indentation, par regroupement en blocs, etc.) !
1) (5pts) Prendre en entr=C3=A9e le fichier ./wget_log.txt qui est le
fichier log de l'outil
Wget. Extraire pour chaque fichier HTML (reconnu comme tel par le
serveur et
marqu=C3=A9 par l'en-t=C3=AAte text/html) les informations suivantes :
1. url du fichier t=C3=A9l=C3=A9charg=C3=A9
2. la date compl=C3=A8te du t=C3=A9l=C3=A9chargement
3. le chemin relatif pour indiquer l'endroit o=C3=B9 le fichier a =C3=A9t=
=C3=A9
enregistr=C3=A9
Stocker toutes les informations dans le fichier metainfos.txt avec le
format
suivant (une ligne =3D les informations d'un fichier) :
url1 TAB chemin1 TAB date1
url2 TAB chemin2 TAB date2
2) (6 pts) Prendre en entr=C3=A9e le fichier ./metainfos_corpus.txt dans
lequel on trouve
diff=C3=A9rentes informations sur les fichiers constituant un petit corpus.
Format :
url1 TAB fichier_html1 TAB date_t=C3=A9l=C3=A9chargement1 TAB fichier_txt1
url2 TAB fichier_html2 TAB date_t=C3=A9l=C3=A9chargement2 TAB fichier_txt2
...
R=C3=A9cup=C3=A9rer le chemin des fichiers texte et appliquer pour chaque
fichier texte le
traitement suivant :
1. Diviser le texte en phrases : une phrase sur une ligne
2. Supprimer les lignes vides (ou quasi-vides)
3. Supprimer les marques de paragraphes (=C2=A7) qui n'introduisent en
r=C3=A9alit=C3=A9 aucun
paragraphe. (Donc, les =C2=A7 suivis d'une ligne (quasi-)vide.)
4. Remplacer les majuscules par les minuscules pr=C3=A9c=C3=A9d=C3=A9s par =
un
ast=C3=A9risque sauf
dans cas o=C3=B9 les majuscules sont susceptibles de faire partie d'un
sigle (Mais =E2=86=92
*mais ; ANR =E2=86=92 ANR)
5. V=C3=A9rifier que le texte ne contienne pas des balises (le cas =C3=A9ch=
=C3=A9ant,
les remplacer
par des entit=C3=A9s html : "<" =E2=86=92 "&lt;", ">" =E2=86=92 "&gt;")
6. Encoder le fichier en cp1252 (pour pouvoir =C3=AAtre lu par Lexico3)
Concatener les fichiers dans un seul fichier fichier_corpus.txt en
indiquant les
d=C3=A9buts des fichiers avec une balise du type Lexico3 :
<texte=3D001>
ici, le texte du premier fichier
<texte=3D002>
ici, le texte du deuxi=C3=A8me fichier
...


(B) (5 pts) Lire le script ./script1.pl et faire le suivant :
1. Corriger le probl=C3=A8me du codage dans les fichiers de sortie. Plus
g=C3=A9n=C3=A9ralement,
indiquer les jeux de codage d'une mani=C3=A8re explicite dans le script.
2. Compl=C3=A9ter le script de fa=C3=A7on =C3=A0 obtenir un fichier xml o=
=C3=B9 les unit=C3=A9s
lexicales
viennent dans l'ordre alphab=C3=A9tique et non dans l'ordre de fr=C3=A9quen=
ce.
3. D=C3=A9crire ce que le script fait globalement (entr=C3=A9e + sortie)
4. Commenter chaque instruction du script pour indiquer sa fonction.
Exemple :
# enlever le caract=C3=A8re retour =C3=A0 la ligne
chomp($ligne);
#Test : si la $ligne contient une chiffre
if( $ligne=3D~/[09]/){
=E2=80=A6
(C) (4 pts) =C3=89crire un algorithme en langage semi-naturel pour un
programme qui :
1. prend en entr=C3=A9e un chemin vers un r=C3=A9pertoire qui contient des
fichiers html,
2. extrait de chaque fichier les mots-cl=C3=A9s, le titre et le texte, et
3. stocke les informations extraites dans un fichier tabulaire (1
ligne =3D les
informations sur 1 fichier)
NB ! Pour les structures de contr=C3=B4le, utiliser les conventions
d'=C3=A9criture donn=C3=A9es
dans les slides du cours : SI =E2=80=A6 FIN SI, SI =E2=80=A6 SINON SI =E2=
=80=A6 FIN SI, POUR =E2=80=A6
de =E2=80=A6 FIN
POUR, TANT QUE =E2=80=A6 FIN TANT QUE, etc.