#!/usr#!/bin/perl

<<DOC; 
 FEVRIER 2006
 usage : perl patron2graphml.pl liste-de-token.txt
 Le programme prend en entr��e le nom du fichier contenant les patrons
 �� traiter (des blancs entre les termes du patron)
 Le programme construit en sortie un fichier au format graphml

DOC

#-------------------------
# definitions de variables
#-------------------------
use utf8;

my $file="$ARGV[0]";
my %listeMot={};
my %listePatron={};

#-------------------------
# Partie 1
# A. ouverture du fichier des patrons : ce fichier contient sur chaque ligne une sequence : mot1 mot2
# B. dans la boucle while qui suit on va reperer pour chaque mot (a gauche du patron) 
# l'ensemble des mots associ��s (a droite du precedent)
# on cree ensuite un tableau indexe qui associe au mot de gauche la liste des mots associes
# motgauche -> (motdroite-1,motdroite-2,...)
# on n'ajoute qu'une seule occurrence des mots presents a droite mais on compte 
# la frequence d'un patron donne dans un tableau de patron 
#-------------------------

open(F,$file);
while (my $ligne=<F>) {
    $ligne=~/([\wÆÁÂÀÅÃÄÇÇÇÐÉÊÈËÍÎÌÌÏÑÓÔÒØÕÖÞÚÛÙÜÝáâæàåãäçéêèðëíîìïñóôòøõößþúûùüýÿ]+)[^\wÆÁÂÀÅÃÄÇÇÇÐÉÊÈËÍÎÌÌÏÑÓÔÒØÕÖÞÚÛÙÜÝáâæàåãäçéêèðëíîìïñóôòøõößþúûùüýÿ]+([\wÆÁÂÀÅÃÄÇÇÇÐÉÊÈËÍÎÌÌÏÑÓÔÒØÕÖÞÚÛÙÜÝáâæàåãäçéêèðëíîìïñóôòøõößþúûùüýÿ]+)/;
    my $mot1=$1;
    my $mot2=$2;
    print "M1 : $mot1\n";
    print "M2 : $mot2\n";
    my $patron="$mot1\t$mot2";
    if (!(exists($listeMot{$mot1}))) {
	my @tmp=();
	push(@tmp,$mot2);
	$listeMot{$mot1}=\@tmp;  # principale difficult� de ce script : construction d'un r�f�rence vers un tableau 
	print "FM : $listeMot{$mot1}\n";
	$listePatron{$patron}++;
    }
    else {
	my $tmp=$listeMot{$mot1};
	my @tmp2=@$tmp;
	if (!(grep(/$mot2/, @tmp2))) {
	    push(@tmp2,$mot2);
	}
	$listeMot{$mot1}=\@tmp2; 
	print "NM : $listeMot{$mot1}\n";
	$listePatron{$patron}++;
    }
}
close(F);
#print %listeMot,"\n";

#-------------------------
# Partie 2
# A. Creation du fichier de sortie et squelette minimal
# B. parcours du tableau des associations motgauche -> (motdroite-1,motdroite-2,...)
# pour chaque motgauche on cree un noeud du graphe idem pour chaque mot de la liste associee
# afin de ne pas creer de doublon on utilise un tableau contenant pour chaque mot son indice
# on verifie dans ce tableau la presence ou non du mot a associer a un noeud
#-------------------------

open (F,">patron-graphml_tree.xml");
print F "<?xml version=\"1.0\" encoding=\"UTF-8\"?>\n";
print F "<graphml>\n";
print F " <key id=\"d0\" for=\"node\" attr.name=\"forme\" attr.type=\"string\"/>\n";
print F " <key id=\"d1\" for=\"edge\" attr.name=\"frequence\" attr.type=\"double\"/>\n";
print F "  <graph edgedefault=\"undirected\">\n";

my $id=1;
my $listeId={};

while (($mot, $liste) = each(%listeMot)) {
    my @tmp=@$liste;
    print "$mot\t@tmp\n";
    if ($mot !~/HASH/) {
	my $tmpID;
	if (!(exists($listeId{$mot}))) {
	    print F "  <node id=\"$id\"><data key=\"d0\">$mot</data></node>\n";
	    $listeId{$mot}=$id;
	    $tmpID=$id;
	    $id++;
	}
	else {
	    $tmpID=$listeId{$mot};
	}
	foreach my $cible (@tmp) {
	    my $nbpatron=0;
	    $patron="$mot\t$cible";
	    $nbpatron=$listePatron{$patron};
	    if (!(exists($listeId{$cible}))) {
		print F "  <node id=\"$id\"><data key=\"d0\">$cible</data></node>\n";
		$listeId{$cible}=$id;
		print F "  <edge source=\"$tmpID\" target=\"$id\"><data key=\"d1\">$nbpatron</data></edge>\n";
		$id++;
	    }
	    else {
		print F "  <edge source=\"$tmpID\" target=\"$listeId{$cible}\"><data key=\"d1\">$nbpatron</data></edge>\n";
	    }
	}
    }
    
} 


print F " </graph>\n";
print F "</graphml>\n";


close(F);