#!/usr/bin/perl
# Mai 2017 Manying Zhang
# Ce script prend la sortie de BàO2 fichier xml comme entrée, sortie le texte brut

use utf8;
binmode STDOUT, ":utf8";

open(FILE, "<:encoding(UTF-8)", "$ARGV[0]");
#--------------------------------------------
# le patron cherché ici est du type NOM ADJ"/ NOM PREP NOM;
# Utilisation : perl extract-patron-treetagger_SF.pl 3234-surface-etiq-xmlrss.xml
#--------------------------------------------
my $output0="resultat-treetagger-3208-NPN.txt";
if (!open (FILEOUT,">:encoding(utf-8)","$output0")) { die "Could not open $output0"};


my @lignes=<FILE>;
close(FILE);
while (my $ligne=shift(@lignes)) {
    next $ligne if /^\n/; # à tester
    chomp $ligne;
    my $sequence="";
    my $longueur=0;
    if ( $ligne =~ m/<element> <data type=\"type\">NOM<\/data> <data type=\"lemma\">[^<]+<\/data> <data type=\"string\">([^<]+)<\/data><\/element><element> <data type=\"type\">PRP<\/data> <data type=\"lemma\">[^<]+<\/data> <data type=\"string\">([^<]+)<\/data><\/element><element> <data type=\"type\">NOM<\/data> <data type=\"lemma\">[^<]+<\/data> <data type=\"string\">([^<]+)<\/data><\/element>/) {
		    $sequence .=$1 ." $2" ." $3";

    }
	print FILEOUT $sequence,"\n";
}
close(FILEOUT);