378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
|
#
# //////////////////////////////////////// PRÉPROCESSEUR ////////////////////////////////////////
#
# e-mail
__<i>__ \w[\w.-]*@\w[\w.-]*\w[.]\w+ <<- ~>> *
__<i>__ https?://[\w./?&!%=+*"'@$#-]+ <<- ~>> *
__<i]__ ({w_2})[.](?:com|net|org|info|fr|ca|be|ch|i[ot]|co[.]uk|tk|es|jp|zh|ru|us|nl) @@0 <<- ~>> =\1.capitalize()
__<i>__ ^\d+[.][\d.-]* <<- ~>> *
__<i>__ ^\d+(?: +|\t+) <<- ~>> *
__[s>__ [cC](?:f|hap|oll?)([.]) @@$ <<- ~1>> *
__[s]__ p[.] ?\d+(?:-\d+|) <<- ~>> *
__[s]__ pp[.] ?\d+-\d+ <<- ~>> *
__[i]__ figure (\d+(?:[.:-]\d+|)) @@0 <<- ~1>> *
__[i]__ art(?:icle|[.]) (1er|\d+(?:[.:-]\d+|)) @@$ <<- ~1>> *
__[s>__ av[.] <<- ~>> av
# versus
__[s>__ vs[.]
<<- ->> "vs " # Pas de point après cette abréviation.
__<s>__ ([A-Z][.][A-Z][.](?:[A-Z][.])*) +[A-ZÉÀÂÊÎÈÔ] @@0 <<- ~1>> =\1.replace(".", "")+"."
__[s>__ [a-zA-Z][.][a-zA-Z][.](?:[a-zA-Z][.])*
__[s>__ J[.]-[A-Z][.] <<- ~>> =\0.replace(".", "").replace("-","")
__<s>__ ({w1})(…)(?= [a-zéèêàâîô]) @@0,$ <<- not re.search("(?i)^etc", \1) ~2>> ,
__[s>__ (M[.]) (?:[A-ZÉÈÎ]\w+|l[e'’]) @@0 <<- ~1>> Mr
__[s>__ MM[.] <<- ~>> "MM "
__[s>__ M(?:r|gr|me|[.]) [A-ZÉ]([.])(?=\W+[a-zéèêâîïû]) @@$ <<- ~1>> *
__[s]__ ([A-ZÉÈÂÎ][\w-]+)[ ]([A-ZÉÈÂ][.][ ]([A-ZÉÈÂ][\w-]+)) @@0,$,$ <<- morph(\1, ":M[12]", False) and (morph(\3, ":(?:M[12]|V)", False) or not spell(\3)) ~2>> *
__[s>__ ([A-ZÉÈÂÎ][\w-]+)[ ]([A-ZÉÈÂ][.]) @@0,$ <<- morph(\1, ":M[12]", False) and after("^\W+[a-zéèêîïâ]") ~2>> *
__[s]__ [A-ZÉÈÂÎ][\w-]+[-–—]L(?:es?|a) [A-ZÉÈÂÎ][\w-]+ <<- ~>> =\0.replace(" ", "_")
__[s]__ \d+[.:]\d+[.:]\d+[.:]\d+ <<- ~>> *
__[s>__ "\d+ (m) " @@w <<- ~1>> _
__[s]__ (?:de |à |)[012]?\d[h:]\d\d(?:[m:]\d\ds?|) <<- ~>> *
__[s]__ \[…\] <<- ~>> *
__[s]__ \[({w_1})\] @@1
__[s]__ \(…\)
<<- ->> […] # Pour indiquer une troncature de texte, on utilise usuellement des crochets.
__[i]__ France ([23450O]) @@$ <<- ~>> France_\1
__[u]__ cac 40 <<- ~>> CAC40
|
>
|
>
>
|
>
|
>
>
|
>
>
|
>
|
|
|
|
|
|
>
>
|
|
>
>
|
>
|
>
|
>
>
|
>
>
|
>
|
>
|
>
>
>
|
>
>
|
>
>
|
>
>
|
>
>
|
>
>
|
>
>
|
>
|
>
|
|
>
>
|
>
|
|
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
|
#
# //////////////////////////////////////// PRÉPROCESSEUR ////////////////////////////////////////
#
# e-mail
__<i>(p_email)__
\w[\w.-]*@\w[\w.-]*\w[.]\w+ <<- ~>> *
# URL
__<i>(p_URL)__
https?://[\w./?&!%=+*"'@$#-]+ <<- ~>> *
__<i](p_URL2)__
({w_2})[.](?:com|net|org|info|fr|ca|be|ch|i[ot]|co[.]uk|tk|es|jp|zh|ru|us|nl) @@0 <<- ~>> =\1.capitalize()
# Numéro de chapitre
__<i>(p_chapitre)__
^\d+[.][\d.-]* <<- ~>> *
# Numéro suivi de plusieurs espaces, considéré comme une numérotation de chapitre
__<i>(p_num_chapitre)__
^\d+(?: +|\t+) <<- ~>> *
# bibliographie
__[s>(p_chap_coll_cf)__ [cC](?:f|hap|oll?)([.]) @@$ <<- ~1>> *
__[s](p_page)__ p[.] ?\d+(?:-\d+|) <<- ~>> *
__[s](p_pages)__ pp[.] ?\d+-\d+ <<- ~>> *
__[i](p_figure)__ figure (\d+(?:[.:-]\d+|)) @@0 <<- ~1>> *
__[i](p_article)__ art(?:icle|[.]) (1er|\d+(?:[.:-]\d+|)) @@$ <<- ~1>> *
__[s>(p_av)__ av[.] <<- ~>> av
# versus
__[s>(p_vs)__
vs[.]
<<- ->> "vs " # Pas de point après cette abréviation.
<<- ~>> vs
# sigles
__<s>(p_sigle1)__
([A-Z][.][A-Z][.](?:[A-Z][.])*) +[A-ZÉÀÂÊÎÈÔ] @@0 <<- ~1>> =\1.replace(".", "")+"."
__[s>(p_sigle2)__
[a-zA-Z][.][a-zA-Z][.](?:[a-zA-Z][.])*
<<- not re.search(r"(?i)^(?:i\.e\.|s\.[tv]\.p\.|e\.g\.|a\.k\.a\.|c\.q\.f\.d\.|b\.a\.|n\.b\.)$", \0) ->> =\0.replace(".", "").upper()
# Sigle. Il est recommandé d’ôter les points pour les sigles.|https://fr.wikipedia.org/wiki/Sigle#Typographie
<<- \0 != "b.a." ~>> =\0.replace(".", "_")
__[s>(p_sigle3)__
J[.]-[A-Z][.] <<- ~>> =\0.replace(".", "").replace("-","")
# Ne pas scinder la phrase si les points de suspension sont suivis d’une minuscule
__<s>(p_points_suspension)__
({w1})(…)(?= [a-zéèêàâîô]) @@0,$ <<- not re.search("(?i)^etc", \1) ~2>> ,
# Mr et MM
__[s>(p_M_point)__
(M[.]) (?:[A-ZÉÈÎ]\w+|l[e'’]) @@0 <<- ~1>> Mr
__[s>(p_MM_point)__
MM[.] <<- ~>> "MM "
__[s>(p_Mr_Mgr_Mme_point)__
M(?:r|gr|me|[.]) [A-ZÉ]([.])(?=\W+[a-zéèêâîïû]) @@$ <<- ~1>> *
# Patronyme réduit à une seule lettre
__[s](p_prénom_lettre_point_patronyme)__
([A-ZÉÈÂÎ][\w-]+)[ ]([A-ZÉÈÂ][.][ ]([A-ZÉÈÂ][\w-]+)) @@0,$,$
<<- morph(\1, ":M[12]", False) and (morph(\3, ":(?:M[12]|V)", False) or not spell(\3)) ~2>> *
__[s>(p_prénom_lettre_point)__
([A-ZÉÈÂÎ][\w-]+)[ ]([A-ZÉÈÂ][.]) @@0,$
<<- morph(\1, ":M[12]", False) and after("^\W+[a-zéèêîïâ]") ~2>> *
# Patronymes composés avec Le/La/Les
__[s](p_patronyme_composé_avec_le_la_les)__
[A-ZÉÈÂÎ][\w-]+[-–—]L(?:es?|a) [A-ZÉÈÂÎ][\w-]+ <<- ~>> =\0.replace(" ", "_")
# IP
__[s](p_adresse_IP)__
\d+[.:]\d+[.:]\d+[.:]\d+ <<- ~>> *
# mètres (m)
__[s>(p_chiffres_m)__
"\d+ (m) " @@w <<- ~1>> _
# heures
__[s](p_heures)__
(?:de |à |)[012]?\d[h:]\d\d(?:[m:]\d\ds?|) <<- ~>> *
# crochets
__[s](p_points_suspension_entre_crochets)__
\[…\] <<- ~>> *
__[s](p_mot_entre_crochets)__
\[({w_1})\] @@1
<<- \1.isdigit() ~>> *
<<- __else__ ~>> _
__[s](points_suspension_entre_parenthèses)__
\(…\)
<<- ->> […] # Pour indiquer une troncature de texte, on utilise usuellement des crochets.
<<- ~>> *
# Divers
__[i](p_FranceTV)__
France ([23450O]) @@$ <<- ~>> France_\1
__[u](p_CAC40)__
cac 40 <<- ~>> CAC40
TEST: l’{{A.N.P.E.}} n’existe plus
TEST: ce chien […] ne {{semblez}} pas perdu.
TEST: ce chat {{(…)}} ne {{semblez}} pas perdu.
TEST: ce nouveau moteur de recherche (http://www.cherche-moi-ça.fr/home.php&lang=fr) fonctionne pas mal.
|