Cherche script PHP pour corriger les acronymes non codés comme tel

Bonjour gens et gentes !

Je suis en train de réfléchir è la conception d'un CMS ( ou à reprendre la base d'un existant si ca ne donne pas plus de boulot parce que des fois .... ) pour les besoins de mes clients.

La dedans, je veux absolument que le balisage soit conforme à l'XHTML et que chaque élément ait son sens sémantiquement correct.

Je veux commencer par les acronymes ou abbréviations en batissant en script qui vérifie la présence d'acronymes quand un contributeur saisit un nouveau texte.

Comme on est <vendredi motivation="proche de zéro" /> , je me demandais si quelqu'un avait déjà fait ca ou vu ca quelque part....

Pour expliquer peut être un peu mieux ce que je veux faire:

1/ Click sur bouton envoyer mon texte

2/ Vérifier si il y a une chaine de caractère ecrite en majuscule comportant au moins 2 lettres et qui ne soit pas égale à l'une des valeurs d'une table comportant les exceptions

3/ Si chaine(s) trouvées alors afficher toutes les alertes sous forme d'une liste des erreurs demandant la signification des supposés acronymes, leur langue et mettant une case à cocher "n'est pas un acronyme" + bouton d'envoi

4/ ajouter les exception signalées dans une table ou un fichier quelconque texte ou xml quelconque

5/ modifier la chaine originelle ABC par <acronym title="A Bra Cadabra" lang="$lang"> ABC </acronym>

6/ afficher le HTML produit pour validation ultime | etes vous certain de procéder à ce changement ?


Voila voila voila . Bon je comprendrais les remarques ou trolls du genre :

a écrit :
Ben voila , tu sais comment faire, tu n'a plus qu'a te mettre au travail. feignasse !

MAis bon.....qui ne tentes rien n'a rien !
Modifié par RoseGrenouille (16 Mar 2007 - 14:50)

Le problème du système que tu veux mettre en place c'est que 1) c'est moyennement utile et 2) c'est plein de failles.

Au passage, je signale que les acronymes ne s'écrivent pas nécessairement en capitales, à l'instar du Benelux, ou de la Sacem (le site officiel alterne les graphies "sacem", "Sacem" et "SACEM"). Sans parler des acronymes lexicalisés comme "radar" ou "sonar", écrits sans capitales et considérés comme des noms communs.

En vertu de quoi, tout procédé automatique sera nécessairement défaillant, ou bien son champ d'action sera trop large (exemple : quid du sigle de "société anonyme" lorsqu'il est rédigé en minuscules ? faut-t-il demander au rédacteur, à chaque occurrence de "sa", s'il s'agit d'un sigle ou d'un adjectif possessif ?).

A ce stade, je crois qu'il serait utile de rappeler que l'usage des <acronym> et autre <abbr> n'est pas un enjeu pour la validation HTML ou XHTML : si le seul enjeu est la validation, on se contentera de n'utiliser aucun de ces deux éléments. Par contre, cela peut être un enjeu d'accessibilité.

La réponse aux problèmes d'accessibilité posé par les sigles, acronymes et abréviations n'est pas la stricte utilisation de l'élément acronym ou de abbr. Cela passerait plutôt et avant tout par l'explicitation de l'acronyme ou du sigle lors de sa première occurrence. La version la plus accessible étant quelque chose du genre :

La société des auteurs, compositeurs et éditeurs de musique (Sacem), fondée en 804 par Charlemagne (...). La Sacem, bla bla.

à la rigueur, on peut redoubler l'information pour les occurrences non explicites :

La société des auteurs, compositeurs et éditeurs de musique (Sacem), fondée en 804 par Charlemagne (...). La <abbr title="société des auteurs, compositeurs et éditeurs de musique">Sacem</abbr>, bla bla.

Il y a donc deux choses :
- toujours avoir la signification de l'acronyme ou du sigle, en contenu imprimable (texte, pas de machin title), lors de la première occurrence du sigle ou de l'acronyme (note : pour un texte très long, en plusieurs parties et avec des liens internes menant aux différentes parties, il peut être utile de renouveler l'opération en début de chaque partie) ;
- si on a du temps devant soi, utiliser abbr ou acronym (celui qu'on veut) comme mesure de confort pour les occurrences suivantes.

La première mesure (de loin la plus importante) ne demande aucun aménagement technique, mais demande par contre un peu de formation/sensibilisation.
La seconde mesure peut être facilitée par l'ajout d'une fonctionnalité ad hoc à l'interface de rédaction.


Bref, et pour résumer le fond de ma pensée (qui n'engage que moi), il me semble que tu t'es fatigué pour rien sur ce coup.
Modifié par Florent V. (16 Mar 2007 - 15:33)

RoseGrenouille a écrit :
La dedans, je veux absolument que le balisage soit conforme à l'XHTML et que chaque élément ait son sens sémantiquement correct.

Une petite révision sur ce qu'est la sémantique en HTML (ou en XHTML servi en "text/html", ce qui revient peu ou prou au même), et sur ses enjeux ?

Personnellement, je ne vois pas de raison sensée et pragmatique pour faire du strict respect de la sémantique HTML l'objet d'une volonté absolue.

L'intégration d'une solution de rédaction telle que Xstandard (propriétaire et payante) me semble une réponse plus intéressante (au niveau du rapport qualité/prix) à cette problématique que le développement complet d'un outil.

a écrit :
Sans parler des acronymes lexicalisés comme "radar" ou "sonar", écrits sans capitales et considérés comme des noms communs.

Pour ce qui concerne ceux-là et puisqu'ils sont devenus quasiment des noms communs, il me semble que l'on a oublié depuis bien longtemps leur signification et que l'acronyme même à remplacé le mot. Ils ne sont donc pas concernés.

a écrit :
En vertu de quoi, tout procédé automatique sera nécessairement défaillant, ou bien son champ d'action sera trop large (exemple : quid du sigle de "société anonyme" lorsqu'il est rédigé en minuscules ? faut-t-il demander au rédacteur, à chaque occurrence de "sa", s'il s'agit d'un sigle ou d'un adjectif possessif ?).

Pas si sûr que cela, car oui l'exemple que tu donnes est bon, mais ce type là d'erreur possible et très répétitive , il y a peu d'exemples de ce style là ou finalement l'acronyme est aussi un nom commun. Bref , on peut vite les isoler et ne pas "polluer" les alertes avec !

a écrit :
A ce stade, je crois qu'il serait utile de rappeler que l'usage des <acronym> et autre <abbr> n'est pas un enjeu pour la validation HTML ou XHTML : si le seul enjeu est la validation, on se contentera de n'utiliser aucun de ces deux éléments. Par contre, cela peut être un enjeu d'accessibilité.

Complètement d'accord avec toi, d'ailleurs je n'ai pas d'autres but que cela puisque de toute façon la page sera validée tout de même si sa syntaxe est correcte , avec ou sans acronymes.

Pour ce qui est du reste de ton post , oui ok avec toi mais pas applicable dans mon cas.
Chaque page est une compilation d'informations saisies par différents contributeurs ayant un lien thématique entres elles mais pas forcément de suite logique entre elles . si l'une des contributeurs utilise un acronyme qu'il explique littéralement dans le texte , c'est très bien et tout aussi valable mais rien ne peut laisser présumer de la présence de cet acronyme expliqué en ce qui concerne les autres blocs d'informations a venir.

Évidemment , je peux toujours faire un lien sur chacune des pages qui amène vers une page ressource qui explique les différents acronymes, mais le problème est pas vraiment là.....à mons sens.

Oui je veux que les acronymes soient signalés comme acronymes et pas seulement pour avoir leur signication mais aussi pour qu'ils soient lu lettre par lettre ( oui je sais tous les acronymes ne s'eppellent pas mais la plupart oui ...), notemment pour les lecteurs d'écran.

Concernant l'éternel débat entre acronym et abbr , il me semble que c'est pourtant très simple et n'est pas celui qu'on veut

la "fac" est une abbréviation, Ill. ( pour illinois) aussi
CQFD est un acronyme.
Pour moi il n'y a donc pas vraiment de choix à faire, le sens même du mot l'indique.

a écrit :
il me semble que tu t'es fatigué pour rien sur ce coup. cligne

j'étais déjà fatigué avant mais ne suis pas d'accord avec toi sur l'inutilité de la chose.

Moi , je vais penser a mettre <abbr> ou <acronym> . L'utilisateur lambda qui va utiliser le CMS n'aura jamais le reflexe. Je veux donc l'automatiser au minimum.

Autre solution peut etre aussi que je saisisse à la main, la 30 d'acronymes auqeul je m'attend et chercher les chaines de caractère....

Ahhhhh voila quelque chose qui m'intéresse.

JE connaissais pas Xstandard...je vais aller voir ca !

RoseGrenouille a écrit :
Concernant l'éternel débat entre acronym et abbr , il me semble que c'est pourtant très simple et n'est pas celui qu'on veut

la "fac" est une abbréviation, Ill. ( pour illinois) aussi
CQFD est un acronyme.
Pour moi il n'y a donc pas vraiment de choix à faire, le sens même du mot l'indique.

On en a déjà débattu sur ce forum, et ça n'est pas aussi simple que ça.

Le mot anglais "acronym" (qui donnerait théoriquement le "sens" de l'élément HTML acronym) ne correspond pas au français "acronyme".

Il me semble que "acronym" désigne les sigles (et par extension les sigles acronymiques). Je ne sais pas par contre si les acronymes qui ne sont pas des sigles font partie de "acronym".

Pour information :
Les abréviations sont formées en coupant des parties des mots (en général, on garde les premières lettres d'un mot ou d'une suite de mots). "etc." est une abréviation composée d'un mot complet ("et") et de la première lettre du mot suivant ("caetera").

Un cas particulier d'abréviation est le sigle, composé de la première lettre de chaque mot d'une expression. Le sigle peut s'écrire avec des points entre chaque capitale, ou bien avec des capitales non séparées (ce qui est l'usage le plus fréquent aujourd'hui). SNCF est un sigle.

Un acronyme est une abréviation (parfois un sigle) qui peut se lire d'une seule traite. Benelux (Belgique, Netherlands, Luxembourg) est un acronyme, mais pas un sigle. SACEM est un acronyme, et également un sigle (on parle aussi de sigle acronymique).

Quelques sigles acronymiques sont un peu particulier : l'usage n'a pas encore tranché entre une lecture lettre par lettre et une lecture d'une seule traite (bien que la lecture d'une seule traite soit possible). C'est le cas par exemple de ONU.

Enfin, comme les acronymes peuvent se lire d'une seule traite, ils ont tendance à être considérés comme des mots à part entière, et l'étymologie est parfois oubliée. On dit alors qu'ils sont lexicalisés. Il existe des acronymes plus ou moins fortement lexicalisés. Assedic est un acronyme assez fortement lexicalisé. On peut estimer qu'un acronyme est complètement lexicalisé lorsqu'il est considéré par les locuteurs (les gens qui parlent la langue) comme un nom commun, et lorsque les locuteurs ne savent généralement pas que le mot en question est à l'origine un acronyme.


Voilà pour la culture générale.
Maintenant, tu comptes faire rentrer ces considérations (sans oublier la partie comme quoi "acronym" et "acronyme" sont deux mots désignant des réalités linguistiques différentes !) dans la prise de décision entre abbr et acronym ?
Il n'y a pas lieu de trancher sur des critères "sémantiques". abbr et acronym sont redondants.

Pour information, la sémantique du HTML n'est pas assez précise au point de trancher à un niveau de détail aussi précis. De même qu'un élément li ne désigne pas nécessairement un élément de liste au sens "rédactionnel" du terme : il faut en effet une petite contorsion logique pour affirmer sans sourire qu'un menu de navigation est "une liste de liens". De même encore que l'élément p ne désigne pas nécessairement un "paragraphe" (quoi qu'en disent les raccourcis de la spécification HTML).


Ah la la, la sémantique et le HTML...
(Tiens, si on s'amusait à faire une liste des éléments pour lesquels on peut vraiment parler de sémantique en HTML ?)

Pffff. ca c'est de la réponse complète.....chapeau....!

Je vais me la mettre en marque-page pour l'avoir sous la main.....

Oui , oui oui, je suis d'accord avec tout ce que tu dis, et que ca parait un fou de vouloir faire ca mais je pense aussi que beaucoup de sites sont thématiques.
Dans un site pour les barbecues ont on exprime la capacité en BTU , il y a peu de chance de retrouver ONU par exemple d'ou ma dernière idée de faire une oeut etre une checklist des acronymes ou abbréviations les plus utilisés.

Et finalement mon problème reste entier pour les lecteurs d'écran , comment leur signaler de lire lettre après lettre pour les acronymes, sigles ou abbréviations qui sont communément epellés plutôt que lus a la volée, sans utiliser le bon balisage relatif ce ce type la ( il faudrait d'ailleurs que quelqu'un puisse me confirmer le rendu pour savoir si ce que je crois est vrai !)

Je pense a sncf par exemple....