import re, sys
from pathlib import Path

file = sys.argv[1]   #Assigner l'ARGV pour le fichier
sentence, object = {}, []
paires = set()

def clean(text: str):
    return re.sub('[^\w]', '', text)

for row in Path(file).read_text().split("\n"):
    if row.startswith("<item>"): 
        items = re.findall("<a>([^<]+)</a>", row) # Items entre les <a> tags 
        index, word, lemma, tag, _, _, head, rel, _, _ = items # Assign les variables
        lemma = clean(lemma) # Nettoyage des lemmes
        sentence[index] = lemma # Stocker les lemmes dans le dictionnaire
        if rel == 'suj': # Si lemme est objet
            object.append((lemma, head)) # Stocker le lemme et GOUV dans une liste des tuples
    if row == "</p>":
        for obj_lemma, head in object:
            paires.add((f"{sentence[head]}", f"{obj_lemma}")) # Stocker les GOUV et DEP
        object, sentence = [], {} # Réeinitialise 

# Ecriture dans le fichier
print("@Gouv: #id, label")
for lemme in {gov for gov, _ in paires}:
    print(f'g_{lemme},{lemme}')
print("@Dep: #id, label")

for lemme in {dep for _, dep in paires}:
    print(f'd_{lemme},{lemme}')
print("_suj:")

for gouv, dep in paires:
    print(f"g_{gouv},--,d_{dep}")