Bonjour
 
J'ai un corpus de texte, et je cherche à savoir comment et combien de fois sont écris par exemple 'fièvre jaune'.
 
On peut le retrouver comme ca :
FIEVRE JAUNE, Fievre jaune, Fièvre jaune, Fievre Jaune, Fièvre Jaune ... bref, je fait donc un tit grep.
 
grep -io 'fi[eè]vre jaune' corpus.txt |sort | uniq -c
 
Probleme, il se fout royalement de mon -i. Les 'Fièvre Jaune' et 'FIEVRE JAUNE' ne sont pas extraits.
Si j'enleve le -o, ca marche, mais je peux pas m'en passer pour la suite des opérations.
 
 
Question : Est ce moi qui n'ai rien compris au grep (probable), ou bien y a t il un bug (heuuu, j'y crois à mort).
 
Merci

ben au pire :
grep -o '[Ff][Ii][eè]....' corpus.txt |sort | uniq -c

Heuuu au fait, c'est quoi ton option "-o", paske moi, je l'ai pas ...  

J'y ai pensé
Et j'ai même fait un tit truc en php pour transformer fievre jaune en    
[Ff][Iiîï][Eéeèêë][Vv][Rr][Eéeèêë] [Jj][Aaâäà][Uuûüù][Nn][Eéeèêë]
 
Le soucis, c'est qu'alors, le -w, il ne le prend pas en compte. Par exmple, quand je recherche [iîïI][lL] pour IL (interleukines), il me trouve des 'îl', alors qu'il n'y a de îl que dans 'îlots' par exmple.
Donc, dans ce cas, il ne me prend pas le -w
 
 
Une histoire de fou . Et moi qui pensait qu'Unix c'était béton  

 
 -o, --only-matching
              Show only the part of a matching line that matches PATTERN.

Bon, ben, il semblerait que le -o ne soit pas inclus dans toutes les distrib. J'ai une Mandrake 9.1 pour info. Mais je penses de plus en plus qu'il s'agit d'un bug    
 
Bon, j'ai resolu le problème avec du Perl :
 
 
open(IN,$ARGV[0]);
 
while (<IN> ) {
    if ($_=~s/(.*)(fi[ée]vre jaune)\b(.*)/$2/i) {
print $_;
    }
}
 
Enfin, je vais peut être envoyer un bug report du coup

Petite question avant de faire une connerie ...
 
Pour vous, s'agit il d'un bug ou pas ? J'ai pas envie de les emm... embeter pour rien