jose-moran / pyllicagram

Package python pour importer les données du projet Gallicagram.

pyllicagram

Un micro package python pour importer des données de Gallicagram.

Installation

Tout simplement :

$ pip install pyllicagram

Ou, si vous préférez la subtilité, vous pouvez cloner ce github et vous diriger dans le dossier créé :

$ git clone https://github.com/regicid/pyllicagram
$ cd pyllicagram

Vous pouvez maintenant lancer python (dans ce directory!)

Usage dans python

Importez la fonction avec :

from pyllicagram import pyllicagram

Vous pouvez l'utiliser comme ceci:

pyllicagram(recherche="francis",corpus="presse",debut=1789,fin=1950,resolution="annee")

Le seul argument nécessaire est recherche. Par défaut, la fonction cherche dans le corpus de presse de Gallica, de 1789 à 1950, en résolution mensuelle. Si vous ne spéficiez pas la résolution, la résolution la plus fine disponible est utilisée.

La fonction vous retourne un tableau pandas, avec pour colonnes le nombre d'occurrences (n), le nombre total de mots sur la période (total), la fréquence du mot calculée comme le rapport des deux (ratio), le syntagme recherché (gram), l'année (annee) et selon la résolution le mois et le jour.

Pour rechercher plusieurs syntagmes, vous pouvez passer une liste dans l'argument recherche.

pyllicagram(["francis","roger"])

En spécifiant somme = True dans la fonction, elle retournera la somme des fréquences des mots recherchés, ce qui correspond à la recherche "francis+roger" dans l'interface graphique de Gallicagram.

Corpus

Ce package permet seulement de chercher dans les corpus qui ont été tokénisés pour le projet Gallicagram, c'est-à-dire :

• La presse de Gallica (corpus="presse"). 3 millions de numéros, fiable à partir de 1789 et jusqu'en 1950 (la faute aux droits d'auteur). Résolution mensuelle.
• Les livres de Gallica (corpus="livres"). 300 000 "monographies", de plus en plus fiable au fil des XVIIe et XVIIIe siècle, et ce jusqu'en 1950 (même raison). Résolution annuelle.
• Les archives du Monde de décembre 1944 au 22 février 2022 (corpus="lemonde"). Fiable tout au long de la période, résolution journalière. Impeccablement océrisé, contrairement à Gallica.

Pour les passionnés

Plus d'informations dans notre preprint consacré au projet et dans la notice du site.

Usage en ligne de commande

Grâce à Laurent Vanni, vous pouvez utiliser le programme directement en ligne de commande et génère un fichier "results.csv" où les valeurs sont séparées par des tablulations. Pour ce faire, clonez (ou si vous êtes un barbare, téléchargez) ce Github, et allez dans le directory pyllicagram (ou, cela revient au même, bougez le fichier pyllicagram.py dans le directory où vous souhaitez l'utiliser). Puis, pour la recherche d'un mot :

$ python3 pyllicagram.py france

Pour la recherche de plusieurs mots (séparés par des virgules) :

$ python3 pyllicagram.py france,nation

Pour la recherche de la somme de plusieurs mots (séparés par des +):

$ python3 pyllicagram.py france+nation

Pour la recherche d’une expression (entre guillemets) :

$ python3 pyllicagram.py "la france"

Pour passer les options :

Choix du corpus parmi [lemonde, livres, presse] (presse par défaut) :

$ python3 pyllicagram.py france -c livres

Choix de la date de début (1789 par défaut) :

$ python3 pyllicagram.py france -d 1800

Choix de la date de fin (1950 par défaut) :

$ python3 pyllicagram.py france -d 1900

Choix de la resolution parmi [default, annee, mois] :

$ python3 pyllicagram.py france -r annee

Vous pouvez mélanger les options :

$ python3 pyllicagram.py france -d 1800 -f 1900 -r annee