#!user/bin/perl
# Le programme d'extraction de patron de POS dans un fichier étiqueté par Cordial
# Auteur : Jean-Michel Daube
# perl extraction_patrons_JMD.pl ../../DONNEES/resultat_cordial/rubrique-3210.cnr patron_extract.txt

use utf8;
binmode STDOUT, ":utf8";

open (FIC, "<:encoding(utf-8)", $ARGV[0]);
open (MOTIF, "<:encoding(utf-8)", $ARGV[1]);
my @LISTE_PATRON = <MOTIF>; # On met le contenu du fichier MOTIF dans chaque élément

my @TOKENS = ();
my @ETIQUETTES = ();

while (my $ligne = <FIC>)
{
    $ligne =~ s/\\r+?//g;
    if ($ligne =~ /^[^\t]+\t[^\t]+\t[^\t]+/)
    {
        if ($ligne !~ /PCTFORTE/)
        {
            chomp ($ligne);
            my @LISTE = split(/\t/, $ligne);
            push (@TOKENS, $LISTE[0]);
            push (@ETIQUETTES, $LISTE[2]);
        }
        else
        {
            &traitement;
            # Sert à vider les tableaux pour avoir seulement chaque phrase, et non un empilement
            @TOKENS = ();
            @ETIQUETTES = ();
        }
    }
}
close FIC;
close MOTIF;

######## Sous-routine Traitement
# Dans le fichier "patron_extract.txt", il faut mettre les patrons que l'on souhaite extraire
sub traitement
{
    #   @LISTE_PATRON : contient les patrons
    foreach my $patron (@LISTE_PATRON)
    {
        chomp ($patron);
        my $ligne_etiquette = join(' ', @ETIQUETTES); # Contient dans une chaine de caractères les éléments de étiquettes pour comparer avec $patron

        # On compte le nombre d'espace dans la chaine d'avant pour obtenir l'index
        my $espace_avant = 0;
        while ($ligne_etiquette =~ /($patron)/g)
        {
            my $avant = $`;
            while ($avant =~ / /g)
            {
                $espace_avant++;
            }

            # Nombre d'espaces dans le motif
            my $espace_motif = 0;
            while ($patron =~ / /g)
            {
                $espace_motif++;
            }
            # Contient le nombre d'espaces au total pour partir du nombre d'espaces avant au nombre d'espaces total
            my $total = $espace_avant + $espace_motif;
            print "$patron : @TOKENS[$espace_avant..$total]\n";
        }
    }
}