Cette phase implique deux étapes cruciales : prétraitement du texte et tokenisation des phrases, qui sont essentielles pour améliorer la structure et la lisibilité du texte pour le traitement informatique.

Prétraitement du Texte

L'objectif du prétraitement est de standardiser le texte, le rendant plus apte à l'analyse. Cela implique :

• Remplacement de caractères spécifiques : Nous ciblons les tirets (--), les caractères de nouvelle ligne (\n) et les guillemets (") et les remplaçons par des espaces. Cette étape aide à éliminer les incohérences et les irrégularités dans le formatage du texte qui pourraient entraver notre analyse ;
• Suppression des espaces en début et fin de texte : En utilisant la méthode .strip(), nous nous assurons que tout espace superflu au début ou à la fin de notre texte est supprimé.

Tokenisation des Phrases

Avec notre texte maintenant nettoyé, l'étape suivante consiste à le décomposer en unités gérables pour l'analyse—spécifiquement, en phrases individuelles. Ce processus est connu sous le nom de tokenisation des phrases.

• Téléchargement des modèles nécessaires : Avant de tokeniser, nous nous assurons que les modèles et ensembles de données requis sont disponibles en les téléchargeant avec nltk.download('punkt_tab'). C'est une condition préalable au processus de tokenisation des phrases ;
• Application du tokenizer de phrases : En utilisant sent_tokenize de la bibliothèque NLTK, nous divisons notre texte prétraité en une liste de phrases. Cette fonction divise intelligemment le texte en fonction des limites de phrases, transformant un bloc continu de texte en une séquence structurée de phrases.