Récupération des questions

Première phase (Récupération des questions)

Les questions ont été sauvegardées dans le dossier data au format JSON.

Pour chaque question, les clés sont les suivantes:

• "question_id" : Le numéro d'identification de la question sur l'API (probablement inutile pour l'apprentissage)
• "title" : Le titre de la question
• "tags" : Les tags. Attention: Les questions ont toujours plusieurs tags, probablement du plus pertinent au moins pertinent. Il serait peut être intéressant de conserver uniquement le tag le plus pertinent par question pour l'apprentissage.
• "body_html" : Le texte de la question, sans parsing ni prétraitement.
• "body_text" : Le texte de la question, avec les balises HTML retirées par BeautifulSoup.
• "body_text_clean" : Le texte de la question avec un léger prétraitement (Suppression des retours à la ligne, espaces consécutifs et liens https/www)

J'ai laissé les 3 versions pour vous permettre de travailler comme vous voulez, si vous préférez faire le prétraitement-vous même à partir de zéro, par exemple.

assigned to @lprevot

changed title from Récuperation des questions to Récupération des questions

changed the description

approved this merge request

mentioned in commit fe12b358

merged