def parseCacmCisi(chemin):
file = open(chemin, 'r')
res = {}
currentI = None
currentBalise = None
currentDoc = None
allExpressions = ""
while True:
#lis une seule ligne
line = file.readline()
#si ligne vide, fin du fichier
if not line:
break
#récupère la ligne sous forme de mots
words = line.split()
#Si la ligne n'est pas vide
if (len(words) > 0):
#Test si on est sur une balise et laquelle
if (words[0] == ".I"):
if (currentDoc != None):
#Je mets les mots clef du document courant dans une bonne forme
currentDoc.setExpressions(
list(map(str.strip, allExpressions.split(","))))
allExpressions = ""
#J'enregistre le document courant avant d'en créer un autre
res[currentDoc.getIdentifiant()] = currentDoc
del currentDoc
currentDoc = Document(
words[1]) # Création du document avec son identifiant
currentI = words[1]
currentBalise = 'I'
elif (words[0] == ".T"):
currentBalise = 'T' #J'indique que je suis danc une balise T
elif (words[0] == ".B"):
currentBalise = 'B' #J'indique que je suis danc une balise B
elif (words[0] == ".A"):
currentBalise = 'A' #J'indique que je suis danc une balise A
elif (words[0] == ".K"):
currentBalise = 'K' #J'indique que je suis danc une balise K
elif (words[0] == ".W"):
currentBalise = 'W' #J'indique que je suis danc une balise W
elif (words[0] == ".X"):
currentBalise = 'X' #J'indique que je suis danc une balise X
elif (words[0][0] == '.'):
currentBalise = 'unknown' #J'indique que je suis dans une balsie inconnue
else:
#On est dans le contenu d'une balise
if (currentBalise == 'T'):
currentDoc.addTitre(line) #J'ajoute la ligne au titre
elif (currentBalise == 'B'):
#extraire la date de la ligne
regex = re.compile(r'(\d{4})')
date = regex.search(line)
if (date != None):
currentDoc.setDate(int(date.group(0)))
elif (currentBalise == 'A'):
#extraire l'auteur de la ligne
regex = re.compile(
r'([a-zA-Z \'.-]+)\s*,\s*([a-zA-Z \'.-]+)\s*\n')
auteur = regex.search(line)
if (auteur != None):
nom = auteur.group(1)
prenom = auteur.group(2)
else:
nom = line[:
-1] #Si le format n'est pas nom, prenoms, on prend toute la ligne comme le nom (sans le retour à la ligne)
prenom = ""
currentDoc.addAuteur(nom, prenom)
elif (currentBalise == 'K'):
allExpressions += line[:
-1] #J'ajoute à l'ensemble des mots-clefs la ligne courante sans le retour a la ligne
elif (currentBalise == 'W'):
currentDoc.addTexte(line) #J'ajoute la ligne au texte
elif (currentBalise == 'X'):
currentDoc.addLien(words[0]) #J'ajoute le lien
#Je mets les mots clef du document courant dans une bonne forme avant de quitte
currentDoc.setExpressions(
list(map(str.strip, allExpressions.split(","))))
allExpressions = ""
#J'enregistre le document courant avant de quitter
res[currentDoc.getIdentifiant()] = currentDoc
file.close()
return res
