OpenRefine tutoriel

1. Installation du logiciel

OpenRefine est simple à installer, il suffit de télécharger le programme correspondant à votre système d’exploitation et de suivre les instructions.

Telechargment OpenRefine

Pour télécharger le programme :

2. Importation d’un corpus de tweet dans OpenRefine

OpenRefine s’ouvre à travers une fenêtre de votre navigateur par défaut. Ici, nous sommes sur Google Chrome. Pour commencer, nous allons importer un corpus de tweets, cliquez sur create a project (1), Choose Files (2), choisissez votre fichier puis cliquez sur Next (3).

importation corpus openRefine

Pour ce tutoriel, nous devons vous laisser importer votre propre corpus pour des raisons de protection des données et ainsi, dans nos exemples, les zones de texte seront caviardées.

Une fois votre corpus importé, cliquez sur Create Project (1)

Première étape OpenRefine

Ainsi vous ouvrez l’interface de travail avec vos données. Le volet de gauche a deux onglets :

  1. Le volet Facet/Filter : permettant de classer et de grouper vos données par sous-groupe
  2. Le volet Undo/Redo : fait une liste de toutes vos actions, permettant de pouvoir facilement tester des options et revenir en arrière exactement où vous le souhaitez
  3. Les colonnes de votre tableau
  4. Ici les informations sur vos tweets
  5. Ces petits triangles permettent de dérouler un menu avec différentes actions sur lesquels nous reviendrons au fil du tutoriel

Description des fonctions visibles d Open Refine

3. Nettoyer les données à l’aides des expressions régulières

3.1. Enlever la ponctuation

Pour commencer à nettoyer les données nous allons créer une nouvelle colonne, pour cela cliquez sur le triangle en haut de la colonne ou se trouvent le contenu des tweets (1), puis Edit column (2), Add column based on this column (3).

Ajouter une colonne sur OpenRefine

Dans new column name, entrez le nom de la colonne, ici texte sans ponctuation (1). Entrez la formule suivante dans expression (2) :
replace(value,/[\,\;\:\.\?\/\!\=\+\”\’\-\(\)\[\]]/,” “)

Enlever la ponctuation sur OpenRefine

3.2. Isoler la cible des tweets

Répétez l’opération précédente pour ajouter une colonne, cette fois basée sur celle sans ponctuation, cliquez sur le triangle en haut de la colonne ou se trouvent le contenu des tweets (1), puis Edit column (2), Add column based on this column (3).

Dans new column name, entrez le nom de la colonne, ici Cible (1). Entrez la formule suivante dans expression (2) :
replace(value,/(\s|^)([^\@]+)/,’ ‘)

Créer la cible

3.3. Enlever les “#”

Répétez la même opération mais cette fois nous allons enlever les “#”. Ainsi, dans new column name, entrez le nom de la colonne, ici hastags (1). Entrez la formule suivante dans expression (2) :
replace(value,/(\s|^)([^\#]+)/,’ ‘)

Extraire les hashatgs

3.4. Enlever les “@”

Répétez la même opération mais cette fois nous allons enlever les “@” des noms d’utilisateurs. Ainsi, dans new column name, entrez le nom de la colonne, ici Source (1). Entrez la formule suivante dans expression (2) :
replace(value,/[\@]/,” “)

Exporter les données

Vous pouvez maintenant exporter les colonnes qui vous intéressent pour faire un travail sur le réseau par exemple. Ici nous allons utiliser les cibles et les sources pour voir les liens entre les utilisateurs de Twitter.

Pour exporter, cliquez en haut à gauche sur Export (1), puis Custom Tabular exporter… (2)

Exporter les donnees

Dans le volet qui s’ouvre sélectionner les données que vous souhaitez voir apparaître dans votre tableau, ici source et cible.

Exporter les donnes

Puis dans l’onglet Download (1), choisissez comma-separated value (CSV) (2), puis Download (3)

Exporter les donnees

Vos données sont prêtes à être importer dans Gephi par exemple (suivez le lien pour accéder au tutoriel de Gephi) !


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.