MEMOIRE DE MATRISE

1
MEMOIRE DE MAÎTRISE

• Étude de la structuration des pages Web à travers
  
• la balise ltFONTgt

Andrea Kuncová Taillefer sous la direction de
Serge Fleury
Maîtrise des Sciences du Langage Mention
Industrie de la langue
2
Sommaire
Introduction Projet TyPWeb Hypertexte et
lArchitecture textuelle Constitution du
corpus La balise ltFONTgt dans les pages
personnelles Conclusion
3
Introduction

• Lobjectif savoir comment les créateurs des
  sites personnels essaient de faciliter la lecture
  et la navigation des internautes en se servant de
  la balise FONT
• Lutilisation de ltFONTgt à des fins divers
• Aider à naviguer plus facilement 
• Souligner une information importante
• Structurer la page

4
Introduction (schéma)
5
Projet TyPWeb

• Le but du projet TyPWeb
• profilage de sites Web et une typologie fine de
  ces sites
• Moyens dy parvenir
• l'analyse des parcours des internautes
• l'analyse sémantique et structurelle des sites, à
  la fois pour donner le sens aux parcours, et pour
  montrer comment la structure et les contenus des
  sites conditionnent les visites 

6
Hypertexte

• La plus importante des caractéristiques de
• l'hypertexte est sa non-linéarité. 
• 
  

7
Architecture textuelle

• L'architecture textuelle est une composante
  abstraite du texte, perceptible grâce à sa mise
  en forme matérielle
• (propriétés syntaxiques, typographiques et
• dispositionnelles) Pascual, Péry-Woodley,
  1996.
• ltFONTgt participe à la mise en forme matérielle
  des pages Web.
• But lisibilité, meilleure recherche de
  linformation
• Création des conventions ?

8
Constitution du corpus (1)

• Corpus
• aspiration des sites Web marchands et
  personnels
• modélisation des donnés sites
  normalisés au format XML
• Sous-corpus
• 18 sites portant sur des sujets différents
• concaténation des rapports XML en un seul fichier
  MyCorpus.xml
• nettoyage et préparation du corpus pour les
  traitements avec Lexico3

9
Constitution du corpus (2)

• Différentes extractions à partir du corpus
  MyCorpus.xml
• à laide des programmes Perl
• balises HTML
• balises HTML avec leurs attributs
• balises HTML avec leurs attributs et les valeurs
• balises FONT et tout ce quelles contiennent
• Extrait du fichier XML
• lttagHTML TAGType"FONT" NBATTR"3"gtBEGIN-FONT
• lttagHTMLAttr TAG"FONT" NUM"1"
  ATTRType"SIZE" VALUE"6"/gt
• lttagHTMLAttr TAG"FONT" NUM"2"
  ATTRType"COLOR" VALUE"Red"/gt
• lttagHTMLAttr TAG"FONT" NUM"3"
  ATTRType"FACE" VALUE"Arial"/gt
• lt/tagHTMLgt
• .
• lt tagHTML TAGType"font"gtEND-fontlt/tagHTMLgt

10
ltFONTgt

• ltFONTgt est une balise HTML dont on se sert pour
  mettre en forme les caractères d'un texte.
• C'est une balise qui détermine la police des
  caractères.
• Exemple
• ltFONT COLOR"red" FACE"Arial"gttextelt/FONTgt
• Résultat

11
ltFONTgt et ses attributs

• La balise FONT attend un attribut suivi d'une
  valeur.
• FONT accepte trois attributs
• taille SIZE
• sa valeur est de 1 à 7 et peut être précédé
  dun ou
• couleur COLOR
• sa valeur est un nom de la couleur ou un code
  hexadécimal RRVVBB
• police FACE
• sa valeur est un nom de la police

12
ltFONTgt dans notre corpus

• Nombre de balises HTML 123 732
• Nombre de balises FONT 14 930
• La fréquence du couple FONT-ATTRIBUT
• FONT COLOR 9880
• FONT SIZE 9839
• FONT FACE 4871
• Quelle est la fonction de chacun des attributs de
  la balise
• FONT dans la structuration des pages?

13
ltFONTgt FACE

• FACE l'attribut qui reste assez stable et ne
• change que rarement à l'intérieur d'un site.
• Deux cas où FACE peut changer dans une page
• à l'intérieur du même site cohabitent plusieurs
  thèmes
• à l'intérieur du même site et du même thème
  l'énonciateur change
• Différentes FACEs dans une même page
• éclatement, brouillon, lecture difficile,
  désorientation
• FACE la plus fréquemment utilisée dans MyCorpus
  Arial

14
ltFONTgt SIZE

• SIZE change couramment dans le même site voire
• dans la même page.
• Deux cas où SIZE peut changer dans une page
• hiérarchiser le texte de la page lecture
  plus rapide et plus organisée (titres,
  sous-titres)
• aider à la navigation taille des liens
• Certains faits réguliers
• liens généraux (lt),  accueil  (gt), dans le
  texte ()
• titres gt sous-titres gt texte
• Préférence pour les tailles absolues, surtout
  valeurs 2 et 4.

15
ltFONTgt COLOR

• COLOR lattribut de FONT le plus courant et
  varié.
• Plusieurs couleurs cohabitent dans une page.
• Trois cas où COLOR peut changer dans une page
• Signaler une information importante hors ou à
  lintérieur du texte 
• Démarquer les titres et des sous-titres
• Aider à la navigation signaler les liens
• Certains faits réguliers
• liens et titres COLOR différent du texte de la
  page
• information importante préférence pour FF0000
  (rouge)
• Préférence pour les valeurs hexadécimales.
• COLOR le plus utilisé noir suivi de blanc,
  gris, bleu et rouge.

16
ltFONTgt et son Contexte

• Hypothèse balises participant à la mise en
  forme de la page
• Concordances avec Lexico3
• Tri avant ltBALISEgtltFONTgtlt/FONTgtlt/BALISEgt
• Résultat
• Tri après ltFONTgtltBALISEgtlt/BALISEgtlt/FONTgt
  
• Résultat

Surtout les balises définissant la structure de
page (disposition du texte)
Surtout les balises définissant la forme des
caractères
17
ltFONTgt et les Mots

• Extraction des suites composées dun, deux et
  trois mots
• Deux fonctions dans les pages
•  mots-liens  message explicite pour la
  navigation
• message du contenu de la page
• mots mis en relief (titres)
• Particularité les majuscules utilisées dans
  deux tiers des cas
• Catégories grammaticales les plus fréquentes
• Noms propres
• Noms communs
• Peu de verbes
• Grand nombre de mots anglais

18
Conclusion

• La balise FONT participe à la structuration des
  pages
• personnelles.
• Tendances principales

19
Perspectives

• Mettre en relation létude de la balise FONT avec
  les
• études des autres balises de structuration des
• pages Web - FRAME, TABLE, P et dautres.
• Agrandir le corpus de travail
• Comparaison avec les sites marchands

20
MEMOIRE DE MAÎTRISE
Étude de la structuration des pages Web à travers
la balise ltFONTgt lt/FINgt