برنامج معالجة نص عربي

لدي فكرة، تقوم على البحث في النص العربي واستخراج بعض الجمل منه، وماهية الفكرة كما يأتي:

المعطيات:

1 [ملف txt به النص باللغة العربية (مضبوط بالشكل) (المبحوث فيه)]

2 [ملف txt به نص عربي وهو (المأخوذ منه المركبات الثنائية) للبحث عنها]

3 [ملف ثالث (مخرجات)]

الجزء الأول من السكربت للمركب الثنائي:

1- أخذ أول كلمتين (مركب ثنائي) من الملف 2 والبحث عنه في الملف 1 فإن وجد مطابقا له حرفيا، نسخه ونقله إلى الملف 3

2- يرجع مجددا إلى الملف 2 ويأخذ المركب الثنائي الذي يليه، ويكرر الأمر حتى نهاية النص.

3 - إن لم يجد مطابقا للمركب في الملف 1 ، أخذ اللفظ الأول من المركب (كتاب، )، وبحث عنه في الملف 1، فإن وجد مطابقا له حرفيا، نسخه ونقله إلى الملف 3، فإن لم يجد نقله بنفسه إلى الملف 3، ثم يأخذ اللفظ الثاني من المركب (، محمد)، ويبحث عنه في الملف 1، فإن وجد مطابقا له حرفيا، نسخه ونقله إلى الملف 3، فإن لم يجد نقله بنفسه إلى الملف 3.

4- يرجع مجددا إلى الملف 2 ويأخذ المركب الثنائي الذي يليه، ويكرر الأمر حتى نهاية النص.

الجزء الثاني من المركب الثلاثي:

أخذ أول ثلاث كلمات (مركب ثلاثي) من الملف 2 والبحث عنه في الملف 1 فإن وجد مطابقا له حرفيا، نسخه ونقله إلى الملف 3 ، ثم يرجع مجددا إلى الملف 2 ويأخذ المركب الثلاثي الذي يليه، ويكرر الأمر حتى نهاية النص.

إن لم يجد مطابقا للمركب في الملف 1 ، أخذ اللفظ الأول والثاني من المركب الثلاثي (كتاب، محمد، )، وبحث عنه في الملف 1، فإن وجد مطابقا له حرفيا، نسخه ونقله إلى الملف 3، فإن لم يجد، توقف وأخذ اللفظ الثاني والثالث من المركب الثلاثي (، محمد، الذي)، ويبحث عنه في الملف 1، فإن وجد مطابقا له حرفيا، نسخه ونقله إلى الملف 3، فإن لم يجد أخذ أول لفظ من المركب الثلاثي، وبحث عنه بنفسه في الملف 1، فإن وجد مطابقا له حرفيا، نسخه ونقله إلى الملف 3، فإن لم يجد نقله بنفسه إلى الملف 3، ثم اللفظ الذي بعده، ثم الذي بعده.

4- يرجع مجددا إلى الملف 2 ويأخذ المركب الثلاثي الذي يليه، ويكرر الأمر حتى نهاية النص.

المقصود بالمركبات الثنائية مثلا: ( ذهب محمد || إلى السوق || واشترى تفاحا || وعنبا وموزا || ثم رجع || إلى بيته || وفي طريقه || رأى رجلا||....)

المقصود بالمركبات الثلاثية مثلا: (حمدا لمن تفرد || بالبقاء وتوحد بالربوبية || والكبرياء والصلاة والسلام || على سيدنا محمدٍ || سيد الأنبياء وعلى || آله الأصفياء وأصحابه || .... )

أرجو أن يكون صاحب العمل صاحب خبرة طويلة في بايثون ومعالجة اللغات الطبيعية وبالأخص العربية

أيمن