برمجة تطبيق البحث عن النصوص باستخدام بايثون ومكتبة NLTK

        

from nltk.tokenize import word_tokenize
from nltk.corpus import stopwords
import string

def preprocess_text(text):
    # تحويل النص إلى حروف صغيرة
    text = text.lower()
    
    # إزالة علامات الترقيم
    text = text.translate(str.maketrans('', '', string.punctuation))
    
    # تقسيم النص إلى كلمات
    words = word_tokenize(text)
    
    # إزالة كلمات التوقف (stopwords)
    stop_words = set(stopwords.words('english'))
    filtered_words = [word for word in words if word not in stop_words]
    
    return filtered_words

# مثال على نص
text = "Natural Language Processing (NLP) is a fascinating field in AI!"
processed_words = preprocess_text(text)
print(processed_words)
        
      

        

def search_word(text, target_word):
    words = preprocess_text(text)
    return target_word.lower() in words

# مثال على البحث
word_to_search = "ai"
is_found = search_word(text, word_to_search)
print(f'الكلمة "{word_to_search}" موجودة؟ {is_found}')
        
      

from nltk.stem import PorterStemmer, WordNetLemmatizer

def advanced_search(text, target_word):
    words = preprocess_text(text)
    
    # التجذير
    stemmer = PorterStemmer()
    stemmed_words = [stemmer.stem(word) for word in words]
    
    # التصريف
    lemmatizer = WordNetLemmatizer()
    lemmatized_words = [lemmatizer.lemmatize(word) for word in words]
    
    # البحث عن الكلمة في أي من القائمتين
    return target_word.lower() in words or target_word in stemmed_words or target_word in lemmatized_words

# مثال على البحث المتقدم
is_found_advanced = advanced_search(text, word_to_search)
print(f'الكلمة "{word_to_search}" موجودة بطريقة متقدمة؟ {is_found_advanced}')


        
      

        

from collections import Counter

def get_most_frequent_words(text, num_words=5):
    words = preprocess_text(text)
    word_freq = Counter(words)
    return word_freq.most_common(num_words)

# مثال
most_frequent = get_most_frequent_words(text)
print("أكثر الكلمات تكرارًا:", most_frequent)
        
      

    from sklearn.feature_extraction.text import TfidfVectorizer

        

def extract_keywords(text):
    words = word_tokenize(text)  # تقسيم النص إلى كلمات
    words = [word.lower() for word in words if word.isalnum()]  # إزالة الرموز الخاصة
    words = [word for word in words if word not in stopwords.words('english')]  # إزالة الكلمات الشائعة
    word_freq = Counter(words)  # حساب تكرار الكلمات
    return word_freq.most_common(10)  # استخراج أكثر 10 كلمات شيوعًا

# تجربة التطبيق
user_text = input("أدخل النص هنا: ")
keywords = extract_keywords(user_text)
print("الكلمات المفتاحية:", keywords)
        
      

        

def extract_keywords_from_file(file_path):
    with open(file_path, 'r', encoding='utf-8') as file:
        text = file.read()
    
    words = word_tokenize(text)
    words = [word.lower() for word in words if word.isalnum()]
    words = [word for word in words if word not in stopwords.words('english')]
    
    word_freq = Counter(words)
    return word_freq.most_common(10)

# تجربة التطبيق
file_path = "test.txt"  # ضع هنا مسار الملف النصي
keywords = extract_keywords_from_file(file_path)
print("الكلمات المفتاحية:", keywords)
        
      

import tkinter as tk
from tkinter import filedialog

def process_text():
    text = text_input.get("1.0", tk.END)
    keywords = extract_keywords(text)
    result_label.config(text=f"الكلمات المفتاحية: {keywords}")

def process_file():
    file_path = filedialog.askopenfilename()
    if file_path:
        keywords = extract_keywords_from_file(file_path)
        result_label.config(text=f"الكلمات المفتاحية: {keywords}")

# إنشاء الواجهة
root = tk.Tk()
root.title("تحليل النصوص")

text_input = tk.Text(root, height=5, width=50)
text_input.pack()

button_text = tk.Button(root, text="تحليل النص المكتوب", command=process_text)
button_text.pack()

button_file = tk.Button(root, text="رفع ملف وتحليله", command=process_file)
button_file.pack()

result_label = tk.Label(root, text="")
result_label.pack()

root.mainloop()