Subversion Repositories Applications.dictionnaire

Compare Revisions

Ignore whitespace Rev 9 → Rev 10

/scripts/dictionnaire.js
1,31 → 1,102
/*
Surligneur de mot (glossaire)
 
0) tout d'abord la liste des mots est récupée (getMotsADefinitions) et stockée dans motsAyantDefinition
 
1) chaque mot de la liste subie une transformation progressive en pattern:
* les mots de moins de 3 caractères sont inchangés (exemple: "nu")
* les mots finissant en "eux/euse" sont généricisés
* les autres mots se voit ajoutée la possibilité de matcher sur \\w{0,2}
 
2) puis plusieurs RegExp sont baties à partir de la liste de pattern préliminaires
* regexp_complete permet d'assurer que le mot:
** commence en début de ligne
** suit un espace
** ne suit pas un caractère
[ mais ne s'assure pas que le mot ne suit PAS un caractère accentué, cf notes à propos de \\b et l'UTF-8 ]
 
* regexp_thin permet de s'assurer que le mot:
** ne se trouve pas déjà encapsulé dans un <span rel="" class="definition_term">X</span>
** ne se trouve pas comme attribut "rel" d'un <span rel="X" class="definition_term"></span>
** n'est pas directement précédé d'un accent (parmis ceux utilisés dans la BDD, cf exclureSpan)
** n'est pas directement précédé d'un caractère alphabétique
Et tente d'extraire une partie de contexte significative (jusqu'à 24 caractère car initialement le
test d'inclusion dans .definition_term était faire plus tardivement.
 
3) remplacerDefinitions() prend la liste des nodes susceptibles de nécessiter un traitement
et ignore ceux ayant déjà été traités [max_passages] fois (4 par défaut)
 
4) pour chaque node:
* le compteur de passage est incrémenté
* nesseciteSubstitution() est appellé
 
== nesseciteSubstitution() ==:
** Utilise regexp_thin pour extraire les mots restant à définir ainsi qu'une partie de leur contexte.
** Utilise regexp_complete pour extraire les mots au plus proche de leur bodures avec un moindre risque d'erreur
** exlue les faux positifs possibles de regexp_thin
** renvoi les matches de regexp_thin (qui présente plus de contexte)
=============================
 
* pour chaque correspondance retournée par nesseciteSubstitution(),
le mot d'origine (tel que dans motsAyantDefinition)
est déterminé en utilisant le levenstein (un cache est mis en place, cf texte_to_mot() dans helpers.js).
 
* rechercherEtRemplacerMotParDefinition() est appelée pour effectuer la substitution dans le node
 
 
Contraintes rencontrées:
1) exclure les mots déjà défini via la regexp général plutôt qu'au coup par coup.
2) vérifier les bordures
3) vérifier bordure d'accents:
\\b(é) dans une regexp ne peut matcher une chaîne JS UTF-8
http://stackoverflow.com/questions/2881445/utf-8-word-boundary-regex-in-javascript
*/
 
var dictionnaire = new Array();
var motsAyantDefinition = null;
var mouseX = null;
var mouseY = null;
var active = false;
var set = 'p, span, td, pre, div';
var set = 'p, span:not(.definition_term), td, pre, div, li';
 
function getUrlBaseService() {
// provient de dictionnaire.config.js
return URL_BASE_SERVICE;
}
// Note: utiliser \\b plutôt que \\W pour matcher les bordures de mots
// en incluant début et fin de ligne
var regexp_complete = null;
 
var regexp_context = null;
var regexp_thin = null;
 
// nombre maximum de passages de la détection sur un node donné
var max_passages = 4;
 
// echo $(mysql<<<"SELECT cle FROM definitions"|tr "[a-z,-]" o|sed -e 's/o//g' -e "s/\(.\)/\1\n/g"|sort -u)
// ç é è ê î ï ô (2013/07/03)
// TODO: http://xregexp.com/plugins/
var exclureSpan = '([^' +
'(?:class="definition_term">)' + // mot contextualisé déjà dictionnarisé
'(?:rel=")' + // la valeur du rel="" d'un mot déjà dictionnarisé
'çéèêîïô' + // les accents, non-traités dans la regexp générale et qui ne doivent pas
// être pris pour des bordures de mots
'\\w' +
']|^){1,24}';
 
 
function supprimerAccents(str) {
var rExps=[
{re:/[\xC0-\xC6]/g, ch:'A'},
{re:/[\xE0-\xE6]/g, ch:'a'},
{re:/[\xC8-\xCB]/g, ch:'E'},
{re:/[\xE8-\xEB]/g, ch:'e'},
{re:/[\xCC-\xCF]/g, ch:'I'},
{re:/[\xEC-\xEF]/g, ch:'i'},
{re:/[\xD2-\xD6]/g, ch:'O'},
{re:/[\xF2-\xF6]/g, ch:'o'},
{re:/[\xD9-\xDC]/g, ch:'U'},
{re:/[\xF9-\xFC]/g, ch:'u'},
{re:/[\xD1]/g, ch:'N'},
{re:/[\xF1]/g, ch:'n'} ];
{re:/[\xC0-\xC6]/g, ch:'A'},
{re:/[\xE0-\xE6]/g, ch:'a'},
{re:/[\xC8-\xCB]/g, ch:'E'},
{re:/[\xE8-\xEB]/g, ch:'e'},
{re:/[\xCC-\xCF]/g, ch:'I'},
{re:/[\xEC-\xEF]/g, ch:'i'},
{re:/[\xD2-\xD6]/g, ch:'O'},
{re:/[\xF2-\xF6]/g, ch:'o'},
{re:/[\xD9-\xDC]/g, ch:'U'},
{re:/[\xF9-\xFC]/g, ch:'u'},
{re:/[\xD1]/g, ch:'N'},
{re:/[\xF1]/g, ch:'n'} ];
for(var i=0, len=rExps.length; i<len; i++)
str=str.replace(rExps[i].re, rExps[i].ch);
str=str.replace(rExps[i].re, rExps[i].ch);
return str;
};
 
33,16 → 104,16
// javascript ne me permet pas de faire mieux
function etendreChaineAccents(str) {
return str.replace('a',"(a|à|á|â|ã|ä|å)")
.replace('e',"(e|è|é|ê|ë)")
.replace('i',"(i|ì|í|î|ï)")
.replace('o',"(o|ò|ó|ô|õ|ö)")
.replace('u',"(u|ù|ú|û|ü)")
.replace('y',"(ýÿ)")
.replace('a',"(a|à|á|â|ã|ä|å)")
.replace('æ',"(ae|æ)")
.replace('ç',"(ç|c)")
.replace('ñ',"(ñ|n)")
.replace('œ',"(œ|oe)");
.replace('e',"(e|è|é|ê|ë)")
.replace('i',"(i|ì|í|î|ï)")
.replace('o',"(o|ò|ó|ô|õ|ö)")
.replace('u',"(u|ù|ú|û|ü)")
.replace('y',"(ýÿ)")
.replace('a',"(a|à|á|â|ã|ä|å)")
.replace('æ',"(ae|æ)")
.replace('ç',"(ç|c)")
.replace('ñ',"(ñ|n)")
.replace('œ',"(œ|oe)");
}
 
function afficherLienDefinitions() {
49,9 → 120,10
html = '<div id="conteneur_activation_definition"><a href="#">rechercher les définitions</a></div>';
$('#conteneur_activation_definition').live('click', function(event) {
event.preventDefault();
supprimerToutesDefinitions();
//supprimerToutesDefinitions();
if(motsAyantDefinition == null) {
getMotsADefinitions();
ajouterListenerDefinitions();
} else {
$(set).remplacerDefinitions(motsAyantDefinition);
}
66,66 → 138,123
}
 
$.fn.remplacerDefinitions = function(mots) {
this.each(function() {
$(this).contents().filter(function() {
return this.nodeType == 3;
}).each(function() {
element = $(this);
texte = element.text();
if(texte != "") {
$.each(mots, function(index, valeur) {
texte = rechercherEtRemplacerMotParDefinition(texte, valeur);
});
element.replaceWith(texte);
}
});
});
return this;
this.each(function() {
$(this).contents().filter(function() {
return (this.nodeType == 3 && ! (($(this).data("count") || 0) > max_passages));
}).each(function() {
$(this).data("count", ($(this).data("count") || 0) + 1);
ttexte = texte = $(this).text();
matches_list = nesseciteSubstitution(texte)[0];
if(!matches_list) return true; // TODO: data("count") = max_passages ?
 
for(i in matches_list) {
couple = matches_list[i];
mot_contextualise = couple[2];
cle = texte_to_mot(mot_contextualise);
 
if(! (ttexte = rechercherEtRemplacerMotParDefinition(texte, cle, couple))) break;
texte = ttexte;
}
$(this).replaceWith(texte);
});
});
return this;
}
 
function rechercherEtRemplacerMotParDefinition(texte, mot) {
exclureSpan = '[^(?:class="definition_term">)]';
regExp = new RegExp(exclureSpan+"[ |,|-|;|.]+("+mot+")[a-zA-Z]{1}", 'ig');
termeDansTexte = regExp.exec(texte);
if(termeDansTexte != null && termeDansTexte.length > 1) {
motOriginal = termeDansTexte[1];
templateMotADefinition = formaterTemplateMotADefinition(motOriginal);
texte = texte.replace(motOriginal, templateMotADefinition);
}
function rechercherEtRemplacerMotParDefinition(texte, mot, couple) {
var full_contexte = couple[0],
prefix_solo = couple[1],
mot_contextualise = couple[2];
 
return texte;
// cf exclureSpan
if(new RegExp('((?:class="definition_term">)|(?:rel=")|(?:[çéèêîïô]))(' + mot + "\\w{0,2}" + ')' + "\\b", "ig").test(full_contexte)) return;
 
templateMotADefinition = formaterTemplateMotADefinition(mot_contextualise, mot);
bloc_replace = full_contexte.replace(mot_contextualise, templateMotADefinition);
return texte.replace(full_contexte, bloc_replace);
}
 
 
function nesseciteSubstitution(texte) {
var liste = [], liste_complete = [];
 
// regexp d'extraction du contexte, sans limite aux bords de "mot",
// peu amener des faux positifs, et notamment ne pas matcher au mieux.
// Eg: subsessiles match "sessile" et non "subsessile".
while( (matches_c = regexp_thin.exec(texte)) ) {
//liste.push(getUnique(clean(matches_c)));
liste.push(matches_c);
}
 
if(liste.length == 0) return [null];
 
// regexp de validation des bordure de mots, ne conserve que des matches correct
// vis-à-vis de la bordure gauche
while( (matches_c = regexp_complete.exec(texte)) ) {
liste_complete.push(matches_c[1]);
}
 
// si une match n'est pas dans le tableau des mots autorisés (indexOf)
for(var i = 0; i < liste.length; i++) {
if($.inArray(liste[i][2], liste_complete) == -1) liste.splice(i, 1);
}
 
return [liste, liste_complete]
}
 
 
function getMotsADefinitions() {
$.ajax({
url: getUrlBaseService()+'mots/',
url: URL_BASE_SERVICE+'mots/', // provient de dictionnaire.config.js
success: function(data) {
motsAyantDefinition = data;
batirRegexp(motsAyantDefinition);
$(set).remplacerDefinitions(motsAyantDefinition);
 
},
dataType: "JSON",
global: false
});
ajouterListenerDefinitions();
}
 
function formaterTemplateMotADefinition(motOriginal) {
motSimplifie = supprimerAccents(motOriginal);
function batirRegexp(mots) {
var restr = '';
$.each(mots, function(index, mot) {
if(restr != '') restr += '|';
 
if(mot.length < 3) {
restr += mot;
}
// gestion masculin/féminin en "eux/euse"
else if(mot.substr(-1) == 'x') {
restr += mot.slice(0, -1) + "(?:x|se|ses)";
}
else if(mot.substr(-4) == 'euse') { // TODO: fix DB
restr += mot.slice(0, -2) + "(?:x|se|ses)";
}
else
restr += mot + "\\w{0,2}";
});
 
regexp_complete = new RegExp("(?:\\s|^|\\W)(" + restr + ")\\b", "ig"); // accents
regexp_thin = new RegExp(exclureSpan + "(" + restr + ")\\b", "ig");
}
 
function formaterTemplateMotADefinition(motOriginal, motSimplifie) {
definitionHtml = '<span rel="'+motSimplifie+'" class="definition_term">'
+motOriginal+
'</span>';
+motOriginal+
'</span>';
return definitionHtml;
}
 
function ajouterListenerDefinitions() {
$('.definition_term').live('mouseover mouseout', function(event) {
if (event.type == 'mouseover') {
event.preventDefault();
afficherDefinition($(this));
} else {
cacherPopupsDefinitions();
}
if (event.type == 'mouseover') {
event.preventDefault();
afficherDefinition($(this));
} else {
cacherPopupsDefinitions();
}
});
}
 
143,7 → 272,7
date = new Date();
mot = element.attr('rel');
$.ajax({
url: getUrlBaseService()+'def/'+mot,
url: URL_BASE_SERVICE+'def/'+mot, // provient de dictionnaire.config.js
success: function(data) {
retour = data;
definition = retour.valeur;
168,9 → 297,9
mot = element.attr('rel');
data = dictionnaire[mot];
defHtml = '<div class="definition_container">'+
'<span class="definition_container_fleche"></span>'+
'<span class="definition">'+data+'</span>'+
'</div>';
'<span class="definition_container_fleche"></span>'+
'<span class="definition">'+data+'</span>'+
'</div>';
return defHtml;
}
 
187,7 → 316,8
});
 
$(document).ready(function() {
$.getScript(URL_BASE_SERVICE + "../../../scripts/helpers.js");
getMotsADefinitions();
ajouterListenerDefinitions();
afficherLienDefinitions();
});