Première
étape
Nous avons sélectionné le mot "Baguette" car il était intéressant de voir ces différents sens.
Nous avons pris 50 urls contenant ce mot ou son équivalent en japonais.
En français, le mot baguette signifie à la fois notre bon pain français,
les fameuses baguettes japonaises, la baguette du chef d'orchestre, la baguette magique, les baguettes de musique et la baguette du coudrier.
Et nous avons cherché pour chacun de ces sens l'équivalent en japonais.
Puis, nous les avons regroupés en 6 catégories:
-> le pain en français
-> le pain en japonais
-> les différents sens du mot "baguette" avec wikipedia en français
-> les différents sens de baguette avec wikipedia en japonais
-> les autres sens qui existent en français (pages françaises)
-> les autres sens qui existent en japonais (pages japonaises)
Deuxième
étape
Nous avons utilisé la commande wget afin de stocker les pages
aspirées. NOUS AVONS REUSSI!Nous avons obtenu les 6 tableaux contenant chacun les pages aspirées localement.
Troisièmes
étape
Grâce à la commande Lynx, nous avons voulu
extraire le
texte uniquement pour transformer les fichiers HTML
en fichiers
textes. Cette manipulatuion a marché pour les pages en français mais pas pour les pages en japonais. Il y avait un problème de codage! Cygwin ne reconnaissait pas le japonais (UTF-8). Donc nous avons essayé de faire marcher notre programme sous LINUX. Il persistait malgré tout des problèmes.
Quatrième étape
En effet, comme la commande lynx n'a pu "dumper" les pages aspirées correctement, la commande egrep ne pouvait fonctionner.
Cinquième
étape
La
cinquième étape consiste à utiliser la
commande egrep.
Celle-ci permet de chercher les lignes contenant le mot en question.
Nous l'avons donc executée avec succès pour les
pages en
français. Cependant, pour les pages en japonais, rien
n'apparaissait dans les fichiers.
Sixième
étape
Nous
avons vu en cours que pour les problèmes de codage, nous
pouvions installer minigrepmultilingue sous cygwin. Nous avons
réussi à l'installer avec succès
à l'aide du site
de nos camarades. Avec les
archives mises en ligne, nous avons procédé au
test qui
lui a marché! Donc le programme est bien installé
et
fonctionne correctement.
Nous avons
réessayé de l'exécuter mais toujours pas de
résultat.
Nous avons conclue que le problème survenait au niveau de l'exécution de la commande lynx.
Nous avons donc sollicité l'aide de nos professeurs afin de résoudre notre problème.
Nous avons decidé de passer sur l'environnement UNIX qui est parfaitement compatible avec le japonais. Nous travaillons afin de résoudre ce dernier problème.
A l'aide d'un de nos camarade, nous avons pu aspirer les pages correctement.
Sauf que pour la première ligne de chaque tableau, il y avait plusieurs caractères qui se rajoutaient devant l'adresse URL. La commande ne marchait donc pas.
TABLEAU
(lien vers le tableau)
Nous avons conclue que le problème survenait au niveau de l'exécution de la commande lynx.
Nous avons donc sollicité l'aide de nos professeurs afin de résoudre notre problème.
Nous avons decidé de passer sur l'environnement UNIX qui est parfaitement compatible avec le japonais. Nous travaillons afin de résoudre ce dernier problème.
A l'aide d'un de nos camarade, nous avons pu aspirer les pages correctement.
Sauf que pour la première ligne de chaque tableau, il y avait plusieurs caractères qui se rajoutaient devant l'adresse URL. La commande ne marchait donc pas.
TABLEAU
(lien vers le tableau)
Septième étape
Création du site internet. Nous avons découvert comment créer un site internet et à utliser le programme Nvu.
Création du site internet. Nous avons découvert comment créer un site internet et à utliser le programme Nvu.
Une nouvelle tentative
avec LINUX mais en vain. Nous n'arrivons
toujours pas à extraire les motifs. Nous avons donc
décidé de traiter
séparément les URLS en
français et ceux en japonais. Nous avons utilisé
e-grep
pour les URLS en français et ça marche!
Concernant nos
chers URLS en japonais nous avons opté pour le mini-grep
multilingue
mais
pour ce dernier il reste à regler quelques
problèmes qui
resteront un mystère...
Dernière ligne droite, nous sommes retournés à la fac pour faire tourner le programme mais en vain. Nous avons donc décidé de traiter d'un côté les pages en français et de l'autre les pages en japonais en utilisant les moyens du bord.
Après un petit tour de passe-passe, nous nous sommes raprochés au plus près du but fixé au départ.
Cependant, il y a des pages manquantes ou bien mal aspirées à cause du codage du japonais qui n'est pas en UTF8 ou encore le site internet en question n'existe plus.
Tous les documents concernant les pages en français se trouvent dans le dossier PROJET-MASTER et ceux en japonais se trouvent dans projetlinuxj. Ceux qui n'ont pas marchés comme le tableau qui figure plus haut, se trouvent dans le dossier projetlinux.
Dernière ligne droite, nous sommes retournés à la fac pour faire tourner le programme mais en vain. Nous avons donc décidé de traiter d'un côté les pages en français et de l'autre les pages en japonais en utilisant les moyens du bord.
Après un petit tour de passe-passe, nous nous sommes raprochés au plus près du but fixé au départ.
Cependant, il y a des pages manquantes ou bien mal aspirées à cause du codage du japonais qui n'est pas en UTF8 ou encore le site internet en question n'existe plus.
Tous les documents concernant les pages en français se trouvent dans le dossier PROJET-MASTER et ceux en japonais se trouvent dans projetlinuxj. Ceux qui n'ont pas marchés comme le tableau qui figure plus haut, se trouvent dans le dossier projetlinux.
