Subversion Repositories eFlore/Projets.eflore-projets

<?php

// commande : /opt/lampp/bin/php cli.php description_sp -a tester -n /home/jennifer/Tela-botanica_projets/Coste/descriptions/html

class Description {

	const DOSSIER_V0 = '../../../donnees/coste/0.00/';

	const DOSSIER_DSC_HTML = '../../../donnees/coste/descriptions/html/';

	const DOSSIER_DSC_TXT = '../../../donnees/coste/descriptions/txt/';

	const DOSSIER_LOG = 'log/';

	private $auteurs = array();

	private $dossierBase = '';

	private $conteneur = null;

	private $outils = null;

	private $messages = null;

	private $action = '';

	private $nomFichier = '';

	private $nomDossier = '';

	private $listeFichiers = array();

	private $fichierNum = '';

	private $fichier = '';

	private $log = '';

	private $correspondance = array();

	private $infosCorrespondanceBase = array(

		'nom_sci' => '',

		'auteur' => '',

		'nom_addendum' => '',

		'annee' => '',

		'biblio_origine' => '',

		'rang' => 290,

		'nom_francais' => '',

		'nom_coste' => '',

		'auteur_coste' => '',

		'biblio_coste' => '',

		'num_nom_coste' => '',

		'num_nom_retenu_coste' => '',

		'num_tax_sup_coste' => '',

		'tome' => '',

		'page' => '',

		'synonymie_coste' => '',

		'flore_bdtfx_nn' => '',

		'flore_bdtfx_nt' => '');

	public function __construct(Conteneur $conteneur) {

		mb_internal_encoding('UTF-8');

		setlocale(LC_ALL, 'fr_FR.UTF-8');

		$this->conteneur = $conteneur;

		$this->outils = $conteneur->getOutils();

		$this->messages = $conteneur->getMessages();

		$this->dossierBase = dirname(__FILE__).'/';

	}

	public function genererDescriptionTxt() {

		$this->chargerFichiers();

		foreach ($this->listeFichiers as $this->fichierNum => $this->fichier) {

			$this->messages->afficherAvancement("Création des descriptions au format txt");

			$this->genererFichier();

		}

		echo "\n";

	}

	public function verifierDescriptionTxt() {

		$this->chargerFichiers();

		foreach ($this->listeFichiers as $this->fichierNum => $this->fichier) {

			$this->messages->afficherAvancement("Analyse des descriptions");

			$this->verifierFichier();

		}

		echo "\n";

		$this->ecrireLogs();

	}

	public function genererCorrespondance() {

		$this->chargerFichiers();

		$this->ajouterLogSyno(implode("\t", array_keys($this->infosCorrespondanceBase)));

		foreach ($this->listeFichiers as $this->fichierNum => $this->fichier) {

			$this->messages->afficherAvancement("Création du fichier de correspondance");

			$this->extraireInfosCorrespondance();

		}

		echo "\n";

		$fichierTxt = $this->dossierBase.self::DOSSIER_V0.'index_general_sp.tsv';

		$txtCorrespondance = $this->creerFichierCsvCorrespondance();

		file_put_contents($fichierTxt, $txtCorrespondance);

		ksort($this->auteurs);

		foreach ($this->auteurs as $auteur => $nbre) {

			$this->ajouterLogAuteur("$auteur\t$nbre");

		}

		$this->ecrireLogs();

	}

	private function chargerFichiers() {

		$this->nomDossier = $this->dossierBase.self::DOSSIER_DSC_HTML;

		if (file_exists($this->nomDossier) === true) {

			if (is_dir($this->nomDossier)) {

				if ($dossierOuvert = opendir($this->nomDossier)) {

					while (($this->nomFichier = readdir($dossierOuvert)) !== false) {

						if (! is_dir($this->nomFichier) && preg_match('/e([0-9]{4})\.htm/', $this->nomFichier, $match)) {

							$this->listeFichiers[$match[1]] = $this->nomDossier.'/'.$this->nomFichier;

						}

					}

					closedir($dossierOuvert);

				} else {

					$this->messages->traiterErreur("Le dossier {$this->nomDossier} n'a pas pu être ouvert.");

				}

			} else {

				$this->messages->traiterErreur("{$this->nomDossier} n'est pas un dossier.");

			}

		} else {

			$this->messages->traiterErreur("Le dossier {$this->nomDossier} est introuvable.");

		}

		asort($this->listeFichiers);

	}

	private function verifierFichier() {

		$donnees = $this->analyserFichier();

		$txt = $donnees['texte'];

		$this->verifierOuvertureFermetureBalise($txt);

		$this->verifierAbscenceEgale($txt);

		$this->verifierNumero($txt);

		// TODO : vérifier les noms vernauclaire qui sont abrégés

	}

	private function verifierOuvertureFermetureBalise($txt) {

		$b_ouvert = substr_count($txt, '<B>');

		$b_ferme = substr_count($txt, '</B>');

		if ($b_ouvert != $b_ferme) {

			$message = "{$this->fichierNum} contient $b_ouvert balises B ouvertes et $b_ferme fermées";

			$this->ajouterLogAnalyse($message);

		}

		$i_ouvert = substr_count($txt, '<I>');

		$i_ferme = substr_count($txt, '</I>');

		if ($i_ouvert != $i_ferme) {

			$message = "{$this->fichierNum} contient $i_ouvert balises I ouvertes et $i_ferme fermées";

			$this->ajouterLogAnalyse($message);

		}

	}

	private function verifierAbscenceEgale($txt) {

		if (strripos($txt, '=') === false) {

			$message = "{$this->fichierNum} ne contient pas le séparateur de phénologie (=)";

			$this->ajouterLogAnalyse($message);

		}

	}

	private function verifierNumero($txt) {

		if (preg_match('/^<B>[0-9]{1,4}. – /', $txt) == 0) {

			$message = "{$this->fichierNum} ne contient pas un numéro bien formaté";

			$this->ajouterLogAnalyse($message);

		}

	}

	private function extraireInfosCorrespondance() {

		$donnees = $this->analyserFichier();

		$infos = $this->infosCorrespondanceBase;

		$titre = $donnees['titre'];

		if (preg_match('/^Coste ([0-9]+) - ((?:(?! - ).)+) - F[0-9]+, (?:(?! - ).)+ - (G[0-9]+), T([123])[.]p([0-9]+)$/', $titre, $match)) {

			$infos['num_nom_coste'] = $match[1];

			$infos['num_nom_retenu_coste'] = $match[1];

			$infos['nom_sci'] = $match[2];

			$infos['num_tax_sup_coste'] = $match[3];

			$infos['tome'] = $match[4];

			$infos['page'] = $match[5];

		} else {

			$this->messages->traiterErreur("Le titre du fichier {$this->fichierNum} est mal formaté.");

		}

		$corres = $donnees['correspondance'];

		if (preg_match('/^Bdnff ([0-9]+) - (?:(?! - ).)+ - (?:(?! - ).)+ - Tax=([0-9]+)$/', $corres, $match)) {

			$infos['flore_bdtfx_nn'] = $match[1];

			$infos['flore_bdtfx_nt'] = $match[2];

		} else {

			$this->messages->traiterErreur("La correspondance du fichier {$this->fichierNum} est mal formatée.");

		}

		$txt = $donnees['texte'];

		$txt = $this->corrigerDescription($txt);

		if (preg_match('/^<B>[0-9]{1,4}[.] – ([^<]+)<\/B> ([^–]*)– (?:<I>([^<]+)<\/I>[.] – |<I>([^<]+)<\/I>( \([^)]+\))[.] – |[A-Z]|<I>(?:Sous-|Espèce|Turion|Souche|Plante|Feuille|Racine))/u', $txt, $match)) {

			$infos['nom_coste'] = trim($match[1]);

			$infos['rang'] = $this->obtenirRangNom($infos['nom_coste']);

			$infos['auteur_coste'] = trim($match[2]);

			$infos['nom_francais'] = isset($match[3]) ? $match[3] : '';

			$infos['nom_francais'] = isset($match[4]) && isset($match[5]) ? $match[4].$match[5] : $infos['nom_francais'];

			if (strpos($infos['auteur_coste'], '(' ) !== false) {

				if (preg_match('/^([^(]*)\(([^)]+)\)(?:[.]?| ; ((?:(?! – ).)+))$/', $infos['auteur_coste'], $match)) {

					$infos['auteur_coste'] = $this->traiterAuteur(trim($match[1]));

					$infos['auteur'] = $this->normaliserAuteur($infos['auteur_coste']);

					$parentheseContenu = trim($match[2]);

					if (preg_match('/^[0-9]+$/', $parentheseContenu)) {

						$infos['annee'] = $parentheseContenu;

					} else {

						$infos['synonymie_coste'] = $parentheseContenu;

						$infos['biblio_coste'] = isset($match[3]) ? trim($match[3]) : '';

					}

				} else {

					$this->messages->traiterErreur("L'auteur du nom sciencitifique du fichier {$this->fichierNum} est mal formaté.");

				}

			}

		} else {

			$this->messages->traiterErreur("La texte du fichier {$this->fichierNum} est mal formaté.");

		}

		$this->correspondance[] = $infos;

		if ($infos['synonymie_coste'] != '') {

			$this->traiterSynonymie($infos);

		}

	}

	private function normaliserAuteur($auteurCoste) {

		$auteur = '';

		if ($auteurCoste != '') {

			$auteur = str_replace(' et ', ' & ', $auteurCoste);

		}

		return $auteur;

	}

	private function traiterSynonymie($infos) {

		$synoCoste = $infos['synonymie_coste'];

		$synoCoste = preg_replace('/, etc[.]$/', '', $synoCoste);

		$synoCoste = preg_replace('/^et /', '', $synoCoste);

		$synoCoste = preg_replace('/^(([A-Z][.]|[A-Z]{3,}) [A-Z]{3,}(?:(?! et ).+)) et ([A-Z]{3,}) ((?![A-Z]{3,}).+)$/', '$1 ; $2 $3 $4', $synoCoste);

		$synoCoste = preg_replace('/ et ((?:[A-Z][.]|[A-Z]{3,}) [A-Z]{3,})/', ' ; $1', $synoCoste);

		$synoCoste = preg_replace('/, ((?:(?!non |part[.]|an |G[.] G[.]|part[.]|centr[.])[^,]+))/', ' ;$1', $synoCoste);

		$synonymes = explode(';', $synoCoste);

		foreach ($synonymes as $num => $syno) {

			$synoTraite = $this->traiterNomSyno($syno);

			$nomSci = $this->obtenirNomSci($synoTraite, $infos, $synonymes, $num);

			$rang = $this->obtenirRangNom($nomSci);

			$complementNom = $this->obtenirComplementNom($synoTraite);

			$auteurCoste = $this->obtenirAuteur($complementNom);

			$auteur = $this->normaliserAuteur($auteurCoste);

			$this->ajouterAuteur($auteur);

			$biblioCoste = $this->obtenirBiblio($complementNom);

			$annee = $this->extraireAnnee($complementNom);

			$infosSyno = $this->infosCorrespondanceBase;

			$infosSyno['nom_sci'] = $nomSci;

			$infosSyno['auteur'] = $auteur;

			$infosSyno['biblio_origine'] = $biblioCoste;

			$infosSyno['annee'] = $annee;

			$infosSyno['nom_addendum'] =  $this->obtenirNomAddendum($syno);

			$infosSyno['rang'] = $rang;

			$infosSyno['nom_coste'] = $synoTraite;

			$infosSyno['auteur_coste'] = $auteurCoste;

			$infosSyno['biblio_coste'] =  $biblioCoste;

			$infosSyno['num_nom_coste'] = $infos['num_nom_coste'].'.'.($num + 1);

			$infosSyno['num_nom_retenu_coste'] = $infos['num_nom_coste'];

			$this->ajouterLogSyno(implode("\t", $infosSyno));

			$this->correspondance[] = $infosSyno;

		}

	}

	private function traiterNomSyno($syno) {

		$syno = $this->nettoyerEspacesNomSyno($syno);

		$syno = preg_replace('/^(?:avec|(?:compr|incl)[.]) /', '', $syno);

		return $syno;

	}

	private function nettoyerEspacesNomSyno($syno) {

		$syno = trim($syno);

		$syno = trim($syno, ' ');

		return $syno;

	}

	private function obtenirComplementNom($syno) {

		$complementNom = '';

		if (preg_match('/^(?:[^ ]+ [^ ]+ (?:(?:var|V)[.] [^ ]+|STELATUM|MINUS)|[^ ]+ [^ ]+) (.+)$/', $syno, $match)) {

			$complementNom = $match[1];

		}

		return $complementNom;

	}

	private function obtenirBiblio($complementNom) {

		$biblioCoste = '';

		if (preg_match("/ (p[.] [0-9]{1,}|in .+||Fl[.] fr[.]|(?: Sp[.])? ed[.] [1-2])$/", $complementNom, $match)) {

			$biblioCoste = $match[1];

		}

		return $biblioCoste;

	}

	private function extraireAnnee($complementNom) {

		$annee = '';

		if (preg_match('/(?:^| )([0-9]+)$/', $complementNom, $match)) {

			$annee = $match[1];

		}

		return $annee;

	}

	private function obtenirAuteur($complementNom) {

		$auteurCoste = '';

		if ($complementNom != '') {

			if (preg_match("/^((?!(?:auct.+|(?:, )?(?:non|an) .+|p[.] p[.])$).+)$/", $complementNom, $match)) {

				$auteurCoste = $this->traiterAuteur($match[1]);

			} else {

				$message = "Impossible de récupérer l'auteur pour le complément de nom ($complementNom).";

				$this->ajouterLogProbleme($message);

			}

		}

		return $auteurCoste;

	}

	private function traiterAuteur($auteurCoste) {

		$auteur = '';

		if ($auteurCoste != '') {

			$remplacementTxt = array(' p. p.', ' saltem part.', 'Fl. fr.');

			$auteurCoste = str_replace($remplacementTxt, '', $auteurCoste);

			$remplacementsRegExp = array(

				' [0-9]{4}',

				'[^ ]+ et auct[.], .+',

				' auct.+',

				',? part[.]',

				' p[.] [0-9]{1,}',

				' in .+|,? (?:non|an) .+',

				'(?: Sp[.])? ed[.] [1-2]');

			$auteur = preg_replace('/(?:'.implode('|', $remplacementsRegExp).')$/', '', $auteurCoste);

		}

		return $auteur;

	}

	private function ajouterAuteur($auteur) {

		if (!isset($this->auteurs[$auteur])) {

			$this->auteurs[$auteur] = 1;

		} else {

			$this->auteurs[$auteur]++;

		}

	}

	private function obtenirNomAddendum($syno) {

		$syno = $this->nettoyerEspacesNomSyno($syno);

		$nomAddendum = array();

		if (preg_match('/^((?:compr|incl)[.]) /', $syno, $match)) {

			$nomAddendum[] = '['.$match[1].']';

		}

		if (preg_match('/ ([^ ]+ et auct[.], .+)$/', $syno, $match)) {

			$nomAddendum[] = '['.$match[1].']';

		} elseif (preg_match('/ (auct[.],? .+)$/', $syno, $match)) {

			$nomAddendum[] = '['.$match[1].']';

		} else if (preg_match('/,? ((?:non|an) .+)$/', $syno, $match)) {

			$nomAddendum[] = '['.$match[1].']';

		} else if (preg_match('/ (p[.] p[.])$/', $syno, $match)) {

			$nomAddendum[] = '['.$match[1].']';

		} else if (preg_match('/ (saltem part[.])$/', $syno, $match)) {

			$nomAddendum[] = '['.$match[1].']';

		} else if (preg_match('/,? (part[.])$/', $syno, $match)) {

			$nomAddendum[] = '['.$match[1].']';

		}

		$nomAddendum = implode(' ; ', $nomAddendum);

		return $nomAddendum;

	}

	private function remplacerAbreviationGenre($syno, $infos, $synonymes, $num) {

		$nomSci = $syno;

		if (preg_match('/^(([A-Zƌ])[.]) /', $syno, $matchSyno)) {

			if ($matchSyno[2] == substr($infos['nom_coste'], 0, 1)) {

				if (preg_match('/^([^ ]+) /', $infos['nom_coste'], $matchNomRetenu)) {

					$nomSci = str_replace($matchSyno[1], $matchNomRetenu[1], $syno);

				}

			} else {

				$synoPrecedent = $this->obtenirSynoAvecGenreComplet($synonymes, $num);

				if ($matchSyno[2] == substr($synoPrecedent, 0, 1)) {

					if (preg_match('/^([^ ]+) /', $synoPrecedent, $matchSynoPrec)) {

						$nomSci = str_replace($matchSyno[1], $matchSynoPrec[1], $syno);

					}

				} else {

					$message = "L'initiale du synonyme ($syno) ne correspondant pas au nom retenu {$infos['num_nom_coste']} ({$infos['nom_coste']}) ".

							"ni au synonyme précédent ($synoPrecedent).";

					$this->ajouterLogProbleme($message);

				}

			}

		}

		return $nomSci;

	}

	private function obtenirSynoAvecGenreComplet($synonymes, $num) {

		$synoPrecedent = '';

		$synoOk = false;

		while ($synoOk == false) {

			if ($num < 0) {

				$synoOk = true;

			}

			$synoPrecedent = $this->obtenirSynoPrecedent($synonymes, $num);

			if (preg_match('/^[A-Zƌ][.] /', $synoPrecedent)) {

				$num = $num - 1;

			} else {

				$synoOk = true;

			}

		}

		return $synoPrecedent;

	}

	private function obtenirSynoPrecedent($synonymes, $num) {

		$synoPrecedent = '';

		if (isset($synonymes[($num - 1 )])) {

			$synoPrecedent = $this->traiterNomSyno($synonymes[($num - 1 )]);

		}

		return $synoPrecedent;

	}

	private function obtenirNomSci($syno, $infos, $synonymes, $num) {

		$nomSci = $this->remplacerAbreviationGenre($syno, $infos, $synonymes, $num);

		if (preg_match('/^([^ ]+) ([^ ]+) (?:(?:var|V)[.] ([^ ]+)|(STELATUM||MINUS) )/', $nomSci, $match)) {

			$genre = $this->normaliserGenre($match[1]);

			$sp = $this->normaliserEpithete($match[2]);

			$infrasp = isset($match[4]) ? $match[4] : $match[3];

			$infrasp = $this->normaliserEpithete($infrasp);

			$nomSci = "$genre $sp var. $infrasp";

		} else if (preg_match('/^([^ ]+) ([^ ]+)(?: |$)/', $nomSci, $match)) {

			$genre = $this->normaliserGenre($match[1]);

			$sp = $this->normaliserEpithete($match[2]);

			$nomSci = "$genre $sp";

		} else {

			$message = "Le synonyme ($nomSci) du nom {$infos['num_nom_coste']} a une structure étrange.";

			$this->ajouterLogProbleme($message);

		}

		return $nomSci;

	}

	private function normaliserGenre($genre) {

		$genre = mb_convert_case(mb_strtolower($genre), MB_CASE_TITLE);

		$genre = str_replace('Æ', 'æ', $genre);

		return $genre;

	}

	private function normaliserEpithete($sp) {

		$sp = mb_strtolower($sp);

		$sp = str_replace('Æ', 'æ', $sp);

		return $sp;

	}

	private function obtenirRangNom($syno) {

		$rang = 290;

		if (strpos($syno, ' var. ')) {

			$rang = 340;

		}

		return $rang;

	}

	private function creerFichierCsvCorrespondance() {

		$lignes[] = implode("\t", array_keys($this->infosCorrespondanceBase));

		foreach ($this->correspondance as $infos) {

			$lignes[] = implode("\t", $infos);

		}

		$txt = '';

		$txt = implode("\n", $lignes);

		return $txt;

	}

	private function genererFichier() {

		$donnees = $this->analyserFichier();

		$txt = $this->nettoyerDescription($donnees['texte']);

		$txt = $this->corrigerDescription($txt);

		$txt = $this->remplacerHtmlParSyntaxeWiki($txt);

		$fichierTxt = $this->dossierBase.self::DOSSIER_DSC_TXT.$this->fichierNum.'.txt';

		file_put_contents($fichierTxt, $txt);

		unset($donnees['texte']);

		$txt = implode("\n", $donnees);

		$fichierTxt = $this->dossierBase.self::DOSSIER_DSC_TXT.$this->fichierNum.'.json';

		file_put_contents($fichierTxt, $txt);

	}

	private function analyserFichier() {

		$donnees = array('titre' => '', 'texte' => '', 'correspondance' => '');

		if ($fichierOuvert = fopen($this->fichier, 'r')) {

			$i = 1;

			while ($ligne = fgets($fichierOuvert)) {

				if ($i == 24) {

					$donnees['titre'] = $this->supprimerHtml($ligne);

				} elseif ($i >= 45 && $i <= 60) {

					$donnees['texte'] .= $this->traiterLigneDescription($ligne);

				} elseif ($i >= 61 && preg_match('/Bdnff /ui', $ligne)) {

					$donnees['correspondance'] = $this->supprimerHtml($ligne);

				}

				$i++;

			}

			fclose($fichierOuvert);

		} else {

			$this->messages->traiterErreur("Le fichier {$this->fichier} n'a pas pu être ouvert.");

		}

		return $donnees;

	}

	private function supprimerHtml($txt) {

		$txt = strip_tags($txt,'<b>,<i>');

		$txt = str_replace('­', '', $txt);

		$txt = str_ireplace(' ', ' ', $txt);

		$txt = trim($txt);

		$txt = preg_replace('/^<\/I>/', '', $txt);

		$txt = html_entity_decode($txt, ENT_NOQUOTES, 'UTF-8');

		return $txt;

	}

	private function traiterLigneDescription($txt) {

		$txt = $this->supprimerHtml($txt);

		$txt = $txt."\n";

		return $txt;

	}

	private function nettoyerDescription($txt) {

		$txt = preg_replace("/\n{2,}+/", "\n", $txt);

		$txt = trim($txt);

		return $txt;

	}

	private function corrigerDescription($txt) {

		$txt = preg_replace("/– <I>([^.]+?)[.] – <\/I>/", "– <I>$1</I>. – ", $txt);

		$txt = preg_replace("/– <I>([^.]+?)[.] – ([A-Z])<\/I>/", "– <I>$1</I>. – $2", $txt);

		$txt = preg_replace("/– <I>([^.]+?) – <\/I>/", "– <I>$1</I>. – ", $txt);

		return $txt;

	}

	private function remplacerHtmlParSyntaxeWiki($txt) {

		$txt = str_replace(array('<B>', '</B>'), '**', $txt);

		$txt = str_replace(array('<I>', '</I>'), '//', $txt);

		return $txt;

	}

	private function ajouterLogAnalyse($txt) {

		if (isset($this->log['analyse']) == false) {

			$this->log['analyse'] = '';

		}

		$this->log['analyse'] .= "$txt\n";

	}

	private function ajouterLogSyno($txt) {

		if (isset($this->log['synonymes']) == false) {

			$this->log['synonymes'] = '';

		}

		$this->log['synonymes'] .= "$txt\n";

	}

	private function ajouterLogAuteur($txt) {

		if (isset($this->log['auteurs']) == false) {

			$this->log['auteurs'] = '';

		}

		$this->log['auteurs'] .= "$txt\n";

	}

	private function ajouterLogProbleme($txt) {

		if (isset($this->log['problemes']) == false) {

			$this->log['problemes'] = '';

		}

		$this->log['problemes'] .= "$txt\n";

	}

	private function ecrireLogs() {

		foreach ($this->log as $nom => $log) {

			$fichier = $this->dossierBase.self::DOSSIER_LOG.$nom.'.log';

			file_put_contents($fichier, $log);

		}

	}

}

?>