Objectifs du projet:

• constituer un corpus limité du mot "barrage" sur le Web avec des échantillons de différents usages du mot dans le contexte;
• utilisation des methodes d'extraction d'information;
• automatisation des tâches répétitives.

Principales étapes du projet: 

• Collecte de données sur le Web avec l'aide des moteurs de recherche.
• script  "tableau d'URLs"

• tableau synthétique des liens URLs

• Aspiration des pages selectionnées (commande "wget -i").
• Filtrage des pages aspirées pour en faire des fichiers texte (commande "lynx -dump").
• Extraction du mot "barrage" dans son contexte à partir des fichiers texte (commande "egrep -i").

• Création du tableau synthétique contenant les liens vers les URLs initiales, les pages aspirées, les fichiers "dumpés" et les fichiers issus de la commande "egrep":

• L'ensemble des activités réalisées dans l'ordre chronologique est présenté dans le JOURNAL

Problèmes rencontrés:

• application des commandes aux pages Web avec extension .asp donnent des fichiers erronés (soit ils sont vides soit gardent les balises HTML);
• difficulté à écrire le script final qui fait toutes les commandes en une seule boucle et en sortie crée un tableau à quatre colonnes où chaque colonne représente respectivement les données issues des quatre tâches effectuées.