Outils pour utilisateurs
td_histoire_numerique:exercice_4
Différences
Ci-dessous, les différences entre deux révisions de la page.
| Les deux révisions précédentes Révision précédente Prochaine révision | Révision précédente Prochaine révision Les deux révisions suivantes | ||
|
td_histoire_numerique:exercice_4 [2016/01/05 18:20] Francesco Beretta [Exploration du contenu encodé] |
td_histoire_numerique:exercice_4 [2016/01/05 19:03] Francesco Beretta [Exploration du contenu encodé] |
||
|---|---|---|---|
| Ligne 53: | Ligne 53: | ||
| ===== Exploration du contenu encodé ===== | ===== Exploration du contenu encodé ===== | ||
| - | En appliquant la méthode présentée dans le [[td_histoire_numerique:exercice_3#transformation_des_textes_encodes_en_xml|troisième exercice]], nous avons copié le texte encodé dans le document | + | En appliquant la méthode présentée dans le [[td_histoire_numerique:exercice_3#transformation_des_textes_encodes_en_xml|troisième exercice]], nous avons copié le texte encodé dans le document "liste_notices_BNF_annote_lieux_professions.odt" et nous l'avons collé dans l'objet 36 de la base de données, un objet digital intitulé "Notices BNF avec annotation sémantique". Nous avons ensuite exécuté cette transformation: |
| + | <code html>SELECT vues.transformation_xml(36)</code> | ||
| + | qui produit le texte xml dans le champs "texte_xml". | ||
| + | En combinant les requêtes XPath et SQL, on peut désormais explorer les textes encodés. Avec cette requête, par exemple, on peut chercher tous les concepts encodés, un par personne et année: | ||
| + | <code sql> | ||
| + | WITH tw1 AS | ||
| + | ( | ||
| + | SELECT UNNEST(xpath ('/root/ud',t1.texte_xml)) ud, | ||
| + | UNNEST(xpath ('/root/ud/dat[1]/@when',t1.texte_xml)) annee | ||
| + | FROM objets.objet t1 | ||
| + | WHERE t1.pk_objet = 36 | ||
| + | ), | ||
| + | tw2 AS | ||
| + | ( | ||
| + | SELECT ROW_NUMBER() OVER (ORDER BY 1)::INTEGER AS id_ud, | ||
| + | (UNNEST(xpath ('//en/@ref',tw1.ud))::text) en, | ||
| + | annee | ||
| + | FROM tw1 | ||
| + | ) | ||
| + | SELECT DISTINCT id_ud, | ||
| + | (en::text)::integer cle_objet, | ||
| + | (annee::text)::integer annee, | ||
| + | t1.nom | ||
| + | FROM tw2 | ||
| + | JOIN vues.vm_objet_vue_de_base t1 | ||
| + | ON t1.pk_objet = tw2.en::integer | ||
| + | AND t1.fk_type_objet_param = 4 | ||
| + | ORDER BY annee, | ||
| + | id_ud | ||
| + | </code> | ||
| + | |||
| + | Les requêtes SQL peuvent être intégrées directement dans des scripts du logiciel R grâce à la bibliothèque "RPostgreSQL". Dans le projet R ci-joint, on trouvera quelques exemples d'exploration et de visualisation des données. Il faut d'abord ajouter ses propres paramètres de connexion (adresse de la base de données, login et mot de passe) dans le document "connexion_postgresql.R", puis exécuter ce script afin d'ouvrir une connexion avec la base de données qui pourra ensuite être appelée depuis les autres scripts. | ||
| + | |||
| + | Le script "exploration_notices.R" permet d'afficher un histogramme qui représente les générations de mathématiciens et astronomes avec un pas de 25 ans. | ||
| + | {{ :td_histoire_numerique:r_generations.jpg?300 |}} | ||
| + | On constate ainsi que la portion des individus nés avant 1450 est très faible par rapport à l'ensemble de la population. | ||
td_histoire_numerique/exercice_4.txt · Dernière modification: 2016/03/03 10:26 par Francesco Beretta
