Perl
Ayant quelques notions en perl, nous avons voulu tenter de développer le même script dans cet autre langage en parallèle.
Outre la curiosité et une certaine attirance pour ce langage de programmation, nous pensions qu'il aurait été plus facile de mettre en place les expressions régulières pour l'extraction de contextes, en particulier pour le chinois, par exemple en utilisant la déclaration d'en-tête « use unicode ; ». Or nous n'avons pas été confrontées à des problèmes majeurs vis à vis du chinois. L'absence de nécessité, donc, et le manque de temps nous aura empêchées de mener ce projet à bout ; mais en voilà néanmoins la toute première étape. Nous nous sommes arrêtés après l'aspiration des pages :
Cliquez ici pour télécharger le Script Perl
Cliquez ici pour télécharger le Fichier d'Input
Lorsque nous avons commencé ce programme, nous avons voulu ajouter une distinction qui n'apparait pas dans l'autre script en bash, nous avons voulu faire une distinction entre les différents sous-corpus qui composent notre liste d'URLS. Pour cela, nous avons dû ajouter des balises entre chevrons dans nos fichiers d'URLS :
if ($url=~/<([^>]+)>/)
Dans notre programme, nous utilisons ces balises pour rajouter des sous-titres à notre tableau de résultat. À terme, nous voulions reporter la distinction entre les sous-corpus à nos fichiers de dump total et de contexte global pour affiner notre analyse des résultats.
Le reste de l'algorithme est similaire à notre script en bash : les URLS sont numérotées (par langue et par sous-corpus), présentées sous forme de lien dans la troisième colonne, puis aspirées dans la quatrième. Nous avons ajouté un test après l'aspiration des pages, pour que les cases des URLS dont l'aspiration s'est mal passée apparaissent en rouge.
Ce procédé détecte en fait les pages dont l'aspiration a donné un résultat vide. Il ne détecte pas les erreurs de type erreur 404, par exemple.
Nous n'avons malheureusement pas eu le temps d'aller plus loin.
Voilà le tableau des résultats obtenus :