Page 1 sur 1

[Résolu]Supression des commandes LaTeX pour analyse lexicale

MessagePosté: Vendredi 12 Juillet 2019, 10:39
par anonyme74170
Bonjour,

je souhaite faire de l’analyse lexicale (text mining) à partir de documents rédigés en LaTeX. Je voudrais supprimer toutes les commandes LaTeX pour obtenir un texte brut, dépourvu dans ce cas des éléments de structures et autres.

1) comment pourrait-on inventorier l'ensemble des commandes utilisées dans le document pour les supprimer ensuite ?
2) ou alors existe-t-il un moyen de le supprimer directement ?

Travailler directement à partir du PDF pose pas mal de problèmes d'où ma volonté actuelle d'aller sur le fichier source.

Merci bien pour vos réponses.
AO

Re: Supression des commandes LaTeX pour analyse lexicale

MessagePosté: Vendredi 12 Juillet 2019, 14:09
par rebouxo
Il y a sous linux un utilitaire qui permet de récupérer le texte d'un pdf : c'est pdftotext.
Olivier

Re: Supression des commandes LaTeX pour analyse lexicale

MessagePosté: Vendredi 12 Juillet 2019, 15:25
par gigiair
Supprimer directement les commandes latex est possible, mais le résultat risque d'être un peu décevant. Certaines constructions syntaxiques sont complexes et sans les analyser le résultat risque d'être bien éloigné de celui qui est attendu. Il faudrait effectuer le travail d'analyse qui est fait par le compilateur latex. Bon courage...

pdftotext signalé par Olivier est une bonne solution. Il existe une version pour GNU/Linux, une pour MS-Windows et une pour MacIntosh. Voir sur le site http://www.xpdfreader.com/download.html

Une autre solution pourrait être d'utiliser pandoc qui permet les conversions entre presque tous les formats de document, en particulier entre LaTeX et txt.
https://pandoc.org/installing.html
Il peut y avoir des fignolages à effectuer. Remplacer ou supprimer des commandes qui n'ont pas été traitées. Ça peut se faire à coup de recherche et remplacement d'expressions régulières (ou non), ce qui n'est pas forcément toujours évident.

Re: Supression des commandes LaTeX pour analyse lexicale

MessagePosté: Vendredi 12 Juillet 2019, 17:51
par anonyme74170
Bonjour à vous deux,

meci bien pour ces solutions. J'avais oublié pandoc ... honte à moi ;-)
Bon We.
AO