WebSVN – eFlore/Projets.eflore-projets – Diff – /trunk/scripts/modules/coste/Description.php

 <?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 $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' => '',
 		'rang' => 290,
 		'auteur' => '',
+		'annee' => '',
+		'biblio_coste' => '',
 		'nom_francais' => '',
 		'nom_coste' => '',
+		'auteur_coste' => '',
 		'num_nom_coste' => '',
+		'num_nom_retenu_coste' => '',
 		'num_tax_sup_coste' => '',
 		'tome' => '',
 		'page' => '',
+		'synonymie_coste' => '',
 		'bdnff_nn' => '',
 		'bdnff_nt' => '');
 	public function __construct(Conteneur $conteneur) {
 		$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";
 		$fichierTxt = $this->dossierBase.self::DOSSIER_LOG.'analyse.log';
 		file_put_contents($fichierTxt, $this->log);
+	}
 	public function genererCorrespondance() {
 		$this->chargerFichiers();
 		foreach ($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);
+		$fichierLog = $this->dossierBase.self::DOSSIER_LOG.'synonymes.log';
+		file_put_contents($fichierLog, $this->log);
+	}
 	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($this->listeFichiers);
+		arsort($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) {
 			$this->log .= "{$this->fichierNum} contient $b_ouvert balises B ouvertes et $b_ferme fermées\n";
+		}
 		$i_ouvert = substr_count($txt, '<I>');
 		$i_ferme = substr_count($txt, '</I>');
 		if ($i_ouvert != $i_ferme) {
 			$this->log .= "{$this->fichierNum} contient $i_ouvert balises I ouvertes et $i_ferme fermées\n";
+		}
+	}
 	private function verifierAbscenceEgale($txt) {
 		if (strripos($txt, '=') === false) {
 			$this->log .= "{$this->fichierNum} ne contient pas le séparateur de phénologie (=)\n";
+		}
+	}
 	private function verifierNumero($txt) {
 		if (preg_match('/^<B>[0-9]{1,4}. – /', $txt) == 0) {
 			$this->log .= "{$this->fichierNum} ne contient pas un numéro bien formaté\n";
+		}
+	}
 	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, $match)) {
+		if (preg_match('/^Coste ([0-9]+) - ((?:(?! - ).)+) - F[0-9]+, (?:(?! - ).)+ - (G[0-9]+), T([123])[.]p([0-9]+)$/', $titre, $match)) {
 			$infos['num_nom_coste'] = $match[1];
 			$infos['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, $match)) {
+		if (preg_match('/^Bdnff ([0-9]+) - (?:(?! - ).)+ - (?:(?! - ).)+ - Tax=([0-9]+)$/', $corres, $match)) {
 			$infos['bdnff_nn'] = $match[1];
 			$infos['bdnff_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>|[A-Z])/u', $txt, $match)) {
+		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'] = $match[1];
+			$infos['nom_coste'] = trim($match[1]);
-			$infos['auteur'] = $match[2];
+			$infos['auteur_coste'] = trim($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)) {
+					$infos['auteur_coste'] = trim($match[1]);
+					$infos['auteur'] = $this->traiterAuteur($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 traiterAuteur($auteurCoste) {
+		$auteur = '';
+		if ($auteurCoste != '') {
+			$auteur = str_replace('et', '&', $auteurCoste);
+		}
+		return $auteur;
+	}
+	private function traiterSynonymie($infos) {
+		$synoCoste = $infos['synonymie_coste'];
+		$synoCoste = preg_replace('/^et /', '', $synoCoste);
+		$synoCoste = preg_replace('/ et ([A-Z]{2,}|[A-Z][.] [A-Z]{2,})/', ' ; $1', $synoCoste);
+		$synoCoste = preg_replace('/, ((?:(?!non |part[.]|an |G[.] G[.])[^,]+))/', ' ;$1', $synoCoste);
+		$synonymes = explode(';', $synoCoste);
+		foreach ($synonymes as $syno) {
+			$syno = trim($syno);
+			$syno = trim($syno, ' ');
+			$infosSyno = $this->infosCorrespondanceBase;
+			$this->log .= $infos['num_nom_coste']."\t$syno\n";
+			$this->correspondance[] = $infosSyno;
+		}
+	}
 	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 && $i <= 62) {
+				} elseif ($i >= 45 && $i <= 60) {
 					$donnees['texte'] .= $this->traiterLigneDescription($ligne);
-				} elseif (($i == 63 || $i == 67) && preg_match('/Bdnff /ui', $ligne)) {
+				} elseif ($i >= 61 && preg_match('/Bdnff /ui', $ligne)) {
 					$donnees['correspondance'] = $this->supprimerHtml($ligne);
+				}
 				$i++;
+			}
-			if ($i > 94) {
-				$this->messages->traiterErreur("Le fichier {$this->fichier} contient plus de 94 lignes ($i).");
-			}
 			fclose($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('&#173;', '', $txt);
 		$txt = str_ireplace('&nbsp;', ' ', $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;
+	}
+}
 ?>

Subversion Repositories eFlore/Projets.eflore-projets

(root)/trunk/scripts/modules/coste/Description.php @ 688 – Rev 428 → 430