Nlp.py

Nlp.py

import pandas as pd
import spacy

# Charger le modèle spaCy pour le traitement du langage naturel (fr_core_news_sm est un modèle léger pour le français)
nlp = spacy.load('fr_core_news_sm')

# Charger le fichier CSV dans un dataframe
df = pd.read_csv('votre_fichier.csv')

# Charger le fichier texte
with open('votre_fichier.txt', 'r', encoding='utf-8') as file:
    texte = file.read()

# Parcourir chaque ligne du dataframe
for index, row in df.iterrows():
    nom = row['Nom']
    prenom = row['Prénom']

    # Traitement spaCy des noms et prénoms
    nom_tokens = nlp(nom)
    prenom_tokens = nlp(prenom)

    # Traitement spaCy du texte
    texte_tokens = nlp(texte)

    # Vérifier la similarité entre les noms/prénoms et le texte
    nom_similarity = nom_tokens.similarity(texte_tokens)
    prenom_similarity = prenom_tokens.similarity(texte_tokens)

    # Vous pouvez ajuster le seuil de similarité en fonction de vos besoins
    similarity_threshold = 0.7

    if nom_similarity > similarity_threshold and prenom_similarity > similarity_threshold:
        print(f'{nom} {prenom} trouvé dans le texte.')