Objectifs :

• importation d'un corpus de textes OCRisés au format Word
• constitution du corpus dans Python
• tokenisation en français
• analyse de fréquences pour nettoyer le texte

Ressources :

• Corpus de texte (lien à mettre)
• Librairies python pour importer les documents Word :
  • mammoth
  • python-docx, cf. ce fil de forum pour une piste.