Re: Version 0.3

En modifiant un peu le code voilà ce que ça donne sur un extrait de bouchot standard :

self.start = re.compile(r'^(\n|)[\-–—<«ÉÀÇÔÎÖÏA-Za-z]$')

if self.sb == ' ' or self.sb == '\n' or self.sb == '«' or self.sb == '»' or self.sb == '<' or self.sb == '>':
 self.sb = ''

sqlite> select * from sentences order by freq desc limit 40;
..|1704
<a href="http:|818
<a href="https:|361
youtube.|359
com/watch?|356
imgur.|259
[:|211
pr0gramm.|193
!!|158
wikipedia.|154
lemonde.|115
twimg.|114
moul.|92
lefigaro.|66
20minutes.|62
)
22:|55
o
20:|52
programme.|48
/
20:|48
/
21:|46
)
20:|46
yahoo.|45
o
21:|43
o
17:|42
news.|42
co.|42
google.|42
??|41
nouvelobs.|41
-C'est quoi ça ?|39
)
16:|35
liberation.|35
o
16:|35
/
22:|34
/
17:|33
o
22:|33
pan !|32
php?|32
gouv.|32
02 [:|31

Ça donne des informations intéressantes sur les domaines des liens POSTé :)