Lisibilité de diverses publications

Dans cet exercice, on vous fournit des extraits d'articles provenant de quatre publications. Votre tâche consiste à calculer la lisibilité de ces extraits à l'aide du score Gunning Fog et, par conséquent, à déterminer la difficulté relative de lecture de ces publications.

Les extraits sont fournis sous forme des chaînes suivantes :

forbes - Un extrait d'un article du magazine Forbes sur le système chinois de cote de crédit social.
harvard_law - Un extrait d'une recension publiée dans la Harvard Law Review.
r_digest - Un extrait d'un article de Reader's Digest sur les turbulences en vol.
time_kids - Un extrait d'un article sur les effets néfastes de la consommation de sel, publié dans TIME for Kids.

Cette activité fait partie du cours

Ingénierie des caractéristiques pour le NLP en Python

Voir le cours

Instructions de l’exercice

Importez la classe Readability depuis readability.
Calculez l'objet gf pour chaque excerpt en utilisant la méthode gunning_fog() sur Readability.
Calculez le score Gunning Fog à l'aide de l'attribut score.
Affichez la liste des scores Gunning Fog.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import Readability
from readability import Readability

# List of excerpts
excerpts = [forbes, harvard_law, r_digest, time_kids]

# Loop through excerpts and compute gunning fog index
gunning_fog_scores = []
for excerpt in excerpts:
  gf = Readability(excerpt).____()
  gf_score = gf.____
  gunning_fog_scores.append(gf_score)
  
# Print the gunning fog indices
print(gunning_fog_scores)

Modifier et exécuter le code