Europress → Corpus IRaMuTeQ
Générer un corpus prêt pour IRaMuTeQ
Téléversez un ou plusieurs fichiers HTML exportés depuis Europresse. Le script extrait les articles et produit un corpus encodé.
📄 HTML multiples
🧠 IRaMuTeQ
🧾 Sortie UTF-8
🧹 Nettoyage auto
Téléversement
Sortie
Corpus en UTF-8, compatible IRaMuTeQ
Corpus en UTF-8, compatible IRaMuTeQ
Sécurité
Les fichiers sont stockés dans un dossier “session” qui sera supprimé au bout de 24h.
Les fichiers sont stockés dans un dossier “session” qui sera supprimé au bout de 24h.
Conseils
- Export Europresse : seul les fichiers .HTML sont nécessaires”.
- Encodage : si l’import échoue, tentez Latin-1.
- Gros volumes : mieux vaut plusieurs requêtes (et plusieurs corpus) qu'un très gros. Vous pourrez les assembler par la suite.
- Vérification : ouvrez le corpus et vérifiez la présence des balises “****”.
