Geekographie Maïeulesque

Comment convertir un article saisi en .tex vers un traitement de textes

Robert Alessi — 2015-02-13T12:09:16Z

Pandoc est présenté comme le « couteau suisse » des convertisseurs de documents. Nous nous proposons ici de l'utiliser dans un but précis. Le cas pratique est le suivant : nous avons saisi un article sous (X^e)LaTeX, mais l'éditeur réclame un fichier dans un format de traitement de texte, avec une bibliographie ou bien une liste des références à la fin. Avec pandoc, ce type de transformation est très facile à réaliser, même à partir d'un document source .tex relativement complexe.

Dans le document simple que j'attache à la fin de cet article, on trouvera la plupart des commandes que l'on utilise dans un article : citations, notes de bas de page, bibliographie. On trouvera aussi des mots en grec ancien, et même en arabe. Le but est de montrer comment on peut travailler entièrement sous XeLaTeX, puis convertir l'article au dernier moment dans le format .odt pour le donner à l'éditeur.

Le préambule du document .tex

Il doit être aussi simple que possible pour une raison évidente : les raffinements typographiques et de mise en page sont réservés à (X^e)LaTeX lui-même. Le fichier de traitement de texte devra être propre, et répondre aux exigences de base de l'éditeur, qui le reprendra de toute façon dans son propre système de mise en page.

On peut donc partir de ceci :

\documentclass{article}
% J'aime bien toujours charger babel dont la typographie est bien
% meilleure que celle de polyglossia. Mais si vous le souhaitez,
% ou si vous en avez besoin, vous pouvez toujours mettre:
% \usepackage{polyglossia}
% \setdefaultlanguage{french}
\usepackage[french]{babel}
\usepackage{fontspec,xltxtra}
\setmainfont{Linux Libertine O}
\setsansfont{Linux Biolinum O}
\setmonofont[Scale=.9]{Linux Libertine Mono O} \usepackage{csquotes} \title{}
\author{}

À vrai dire, on peut se contenter de :

\documentclass{article}
\usepackage{fontspec,xltxtra} \title{}
\author{}

car par défaut, pandoc ignorera les paramètres de langue et les polices de caractère. Le plus simple sera de choisir ces éléments dans les paramètres du document de traitement de texte, comme nous le verrons à la fin de cet article. J'ai cependant ajouté ces lignes dans le préambule du source .tex, car on peut souhaiter compiler le document plusieurs fois avant de le passer sous traitement de texte.

Auquel cas, une solution est de créer deux préambules : l'un pour LaTeX, l'autre pour pandoc. On les écrira dans deux fichiers distincts qu'on inclura au cas par cas.

Les commandes courantes

Quels sont les éléments couramment utilsés dans un article ? On peut penser à ceci :

un résumé :
```
\begin{abstract}
\end{abstract}
```
des commandes de division de texte : \section{}, \subsection{}, \paragraph{}, etc.
des notes de bas de page : \footnote{}
des citations :
```
\begin{quote}
\end{quote}
```
des citations en vers :
```
\begin{verse}
\end{verse}
```
des commandes de mise en forme des mots \emph{}, \textbf{}

Tout cela est parfaitement pris en charge par pandoc.

Tableaux

Les tableaux sont également pris en charge, mais les extensions telles que longtable ne le sont pas. Si le document comporte des tableaux longs, on les saisira néanmoins dans l'environnement standard tabular. Sous (X^e)LaTeX, les résultats ne seront pas bons, mais les tableaux seront correctement convertis sous traitement de texte.

Si on utilise longtable sans utiliser de type de colonnes personnalisé, une solution peut être de mettre dans le préambule spécifique à pandoc les lignes suivantes :

\let\longtable\tabular
\let\endlongtable\endtabular

Ce qui permettra d'utiliser longtable lorsqu'on utilise (X^e)LaTeX.

Langues étrangères

La seule contrainte est de les saisir en unicode : tous les caractères seront convertis, et même les langues qui se lisent de droite à gauche, comme l'arabe, seront reconnues. Si les textes en langue étrangère sont saisis dans des commandes telles que \textgreek{} pour le grec ou \textarab{} pour l'arabe, peu importe : les commandes seront le plus souvent ignorées.

Dans certains cas cependant, les commandes de changement de langue propres polyglossia produisent des effets inattendus : on a ainsi constaté en faisant des tests que des commandes telles que \textfrench{} ou \textlatin{} ne produisaient rien ! Les textes passés en argument disparaissent tout simplement !

Dans ce cas, il faut neutraliser ces commandes dans le préambule, de la façon suivante (l'exemple qui suit neutralise les deux commandes données au paragraphe précédent) :

\renewcommand{\textfrench}[1]{#1}
\renewcommand{\textlatin}[1]{#1}

En fonction des commandes à neutraliser, on adaptera ce code, qu'il faut évidemment placer dans le préambule après celles qui ont servi à charger polyglossia ou tout autre package dans lequel ces commandes sont définies.

Bibliographie

On prend ici le cas d'une bibliographie construite à l'aide de biblatex/biber. Le plus important est de comprendre que pandoc ignore les styles de citation et les styles de bibliographie que l'on a choisis dans le source .tex. À la place, pandoc peut utiliser tout style au format CSL. Il en exixte un très grand nombre (voir ci-dessous).

Dans le document, on peut utiliser les commandes de citation suivantes :

\cite{}
\autocite{}
\citeyear{}
\parencite{}
\footcite{}
\textcite[avant][après]{}
\smartcite[avant][après]{}
\autocite{}
\citeauthor{}

Et à la fin du document, on mettra simplement \printbibliography. Les bibliographies multiples ne sont pas prises en charge.

Conversion du document

La conversion se fait à la ligne de commande.

Pour un document sans bibliographie, on fait ceci :

pandoc --latex-engine=xelatex article.tex -o article.odt

Pour un document avec bibliographie, on a deux possibilités.

1 Choix par défaut du style Chicago author-date :

pandoc --bibliography="bibliographie.bib" --biblatex \
--latex-engine=xelatex article.tex -o article.odt

Cette commande convertit le fichier article.tex vers article.odt, en utilisant pour les citations le fichier bibliographie.bib.

2 Choix d'un style CSL. Dans cet exemple, j'utilise le style « harvard-kings-college-london » :

pandoc --filter pandoc-citeproc --csl=harvard-kings-college-london.csl \
--bibliography="bibliographie.bib" --biblatex \
--latex-engine=xelatex article.tex -o article.odt

Pour récupérer un style existant, on peut se rendre ici : https://www.zotero.org/styles. Le dépôt Git est ici : https://github.com/citation-style-language/styles.

Il faut enregistrer le fichier CSL au même endroit que les fichiers .tex et .bib.

Post-traitement

Observez bien le fichier de sortie. Vous remarquerez qu'il est bien stylé. Il sera alors très facile de générer une table des matières.

En ce qui concerne les langues à caractères non-occidentaux, comme le grec ou l'arabe, il suffit encore de modifier les paramètres du document LibreOffice pour que tout soit adapté parfaitement sur l'ensemble du document. Dans le document LibreOffice attaché, voici comment j'ai procédé :

Langue française

Typographie

Remarquez que l'utilisation des features OpenType dans les paramètres dits des « Polices standard (occidentales) » a pour effet d'insérer automatiquement des espaces fines entre les mots et tout signe de ponctuation double.

Fichiers

Voici les fichiers que j'ai utilisés. Ils vous permettront de vous entraîner !

Comment convertir un article saisi en .tex vers un traitement de textes

Zip de l'ensemble des fichiers - 625.6 kio

Documentation sur les fichiers de style CSL (format xml) : http://citationstyles.org/downloads/primer.html

Du Thesaurus Linguae Graecae à LaTeX

Maïeul — 2013-04-29T14:00:48Z

Mon script permettant d'adapter des textes extraits du Thesaurus Linguae Graecae à LaTeX a été amélioré avec l'aide de Annette von STOCKHAUSEN.

Outre des nouvelles fonctionnalités, il est désormais configurable. Le présent article a pour vocation à devenir la documentation « officielle » du script à partir de sa version 2.0 [1].

Exemple

J'ai extrait du site TLG le texte suivant [2] :

 Ἔκαμεν ὁ λόγος, τοῦτον τὸν θεσπέσιον καὶ τριπόθητον
Βαρνάβαν τὸν ἀπόστολον ἐπᾶραι τοῖς ἐγκωμίοις ποθῶν,
καὶ οὔπω ἥψατο τοῦ προοιμίου· τοῖς γὰρ ἐπαίνοις ἀπρό-
σιτος τυγχάνει ὁ θαυμάσιος. Διὸ ἀφέντες ὡς ἀνέφικτον (135)
τὸν περὶ τῶν ἐγκωμίων λόγον, ὀλίγα τῶν εἰς ἡμᾶς
ἰόντων περὶ τῆς τούτου βιώσεως καὶ τελειώσεως ἔκ τε
τοῦ Στρωματέως καὶ ἐξ ἑτέρων ἀρχαίων συγγραμμάτων
παραθήσομαι τῇ ὑμετέρᾳ ὁσιότητι, καὶ οὕτω τὸ πέρας
ἐπιθήσομεν τῷ διηγήματι, παραχωρήσαντες τῇ θεοπνεύστῳ (140)
Γραφῇ τοῦ ἀοιδίμου τὴν κεφαλὴν μεγαλοπρεπῶς στε-
φανῶσαι· φησὶ γάρ· “Ἦν δὲ Βαρνάβας ἀνὴρ ἀγαθὸς καὶ
πλήρης Πνεύματος ἁγίου καὶ πίστεως.” Οὗ τί ἂν γένοιτο
ἴσον ἢ παραπλήσιον πώποτε;

Je souhaiterais :

faire disparaître les numéros de ligne
transformer les guillemets en utilisant la commande \csquotes à la place.
supprimer les césures, puisque LaTeX se charge tout seul d'en mettre.

Voici le résultat souhaité :

Ἔκαμεν ὁ λόγος, τοῦτον τὸν θεσπέσιον καὶ τριπόθητον
Βαρνάβαν τὸν ἀπόστολον ἐπᾶραι τοῖς ἐγκωμίοις ποθῶν,
καὶ οὔπω ἥψατο τοῦ προοιμίου· τοῖς γὰρ ἐπαίνοις ἀπρό%
σιτος τυγχάνει ὁ θαυμάσιος. Διὸ ἀφέντες ὡς ἀνέφικτον τὸν περὶ τῶν ἐγκωμίων λόγον, ὀλίγα τῶν εἰς ἡμᾶς
ἰόντων περὶ τῆς τούτου βιώσεως καὶ τελειώσεως ἔκ τε
τοῦ Στρωματέως καὶ ἐξ ἑτέρων ἀρχαίων συγγραμμάτων
παραθήσομαι τῇ ὑμετέρᾳ ὁσιότητι, καὶ οὕτω τὸ πέρας
ἐπιθήσομεν τῷ διηγήματι, παραχωρήσαντες τῇ θεοπνεύστῳ Γραφῇ τοῦ ἀοιδίμου τὴν κεφαλὴν μεγαλοπρεπῶς στε%
φανῶσαι· φησὶ γάρ· \enquote{Ἦν δὲ Βαρνάβας ἀνὴρ ἀγαθὸς καὶ
πλήρης Πνεύματος ἁγίου καὶ πίστεως.} Οὗ τί ἂν γένοιτο
ἴσον ἢ παραπλήσιον πώποτε;

Je me sert pour cela du script Python joint.

Dernière version stable du script TLG2LaTeX

Utilisation (tutoriel)

Dans le TLG, afficher le texte sans les « Beta Escape » (dans la colonne de gauche, le menu déroulant « Beta Escape » mis à « None »).
Le copier dans un fichier nom.txt.
Avoir Python 3 ou plus installé sur sa machine.
Récupérer le zip joint, le décompresser, et mettre les deux fichiers .py à côté du fichier nom.txt
Avec son terminal, se rendre dans le dossier du fichier et frapper python3 tlg2latex.py nom.txt.
Un fichier normalise_nom.txt apparaît à côté : il contient le code utilisable dans LaTeX.

Nouvelles fonctionnalité de la version 2.0 [3]

Possibilité de configurer le script.
Possibilité de normaliser un fichier situé dans un autre dossier.
Gestion des élisions, pour éviter de confondre les signes d'élisions avec les guillemets ouvrants.
Prototype de gestion des numéros de chapitres et de paragraphes.
Possibilité de normaliser l'encodage unicode.
Ajout de jeu de test.
Standardisation du code.

Options de configuration

Le fichier de configuration config.py est à placer à côté du script.

Il se compose de ligne sous la forme :

option = valeur

L'ensemble des options sont listées dans default.py. Les valeurs peuvent être :

Des chaînes, mise entre guillemet anglais "chaîne".
Des tuples, ou listes, selon la syntaxe : ("chaîne1","chaîne2","chaîne...","chaînen").
Des chaînes pour remplacement d'expressions régulières [4], sous la forme : r« chaînes ».
Une valeur booléenne : False ou True

Les options se divisent en deux catégories :

Celles pour interpréter le fichier en entrée.
Celles pour régler le fichier en sortie.

Liste des options pour le fichier en entrée
Option	Explication	Valeur par défaut	Introduit dans la version
`hyphen`	Traits de césure	`("‑","-")`	2.0
`line_number_r`	Expression régulière pour décoder les numéros de lignes	`"\([0-9]*\)"`	2.3. Entre 2.0 et 2.3 était `line_number`.
`ellipsis`	Expression régulière pour repérer les ellisions	`"(([γδ(δι)θλμπρτφ(ἵν)])"`	2.0. Modifié en 2.6.
`begin_quote_r`	Expression régulière pour repérer les guillemets ouvrants	`"[‘“«]"`	2.0
`end_quote_r`	Expression régulière pour repérer les guillemets fermants	`"['”»]"`	2.0
`paragraph_r`	Expression régulière pour repérer les numéros de paragraphe	`"\((\w+?)\.\) "`	2.0
`chapter_r`	Expression régulière pour repérer les numéros de chapitre	`"(\d+?\.)"`	2.0
`ndash_r`	Expression régulière pour repérer les tirets demi-cadratins	`"—"`	2.1
`begin_insert_r`	Expression régulière pour repérer le début des insertions.	`"<"`	2.2
`end_insert_r`	Expression régulière pour repérer la fin des insertions.	`">"`	2.2
`par_break_r`	Expression régulière pour repérer le début des nouveaux paragraphes.	`"^( )"`	2.2
`empty_line_r`	Lignes vides	`("","\r","\n")`	2.2
`before_stanza_r`	Ligne indiquant un début de poésie.	`" \n"`	2.5
`after_stanta_r`	Ligne indiquant une fin de poésie.	`" \n"`	2.5

Liste des options pour le fichier en sortie
Option	Explication	Valeur par défaut	Introduit dans la version
`begin_quote_w`	Guillemets ouvrants	`"\enquote{"`	2.0
`end_quote_w`	Guillemets fermants	`"}"`	2.0
`paragraph_w`	Chaîne pour remplacement d'expression régulière indiquant le numéro de paragraphe	`r"\\marginnote{\1}"`	2.0
`chapter_w`	Chaîne pour remplacement d'expression régulière indiquant le numéro de chapitre	`r"\n\\textbf{\1}"`	2.0
`unicode_normalize`	Indique le type de normalisation unicode à mettre en œuvre. Les valeurs possibles sont : `False` : pas de normalisation ; `"NFC"` : utilise les formes unitaires des caractères ; `"NFKC"` : utilise les formes unitaires des caractères et remplace les caractères « équivalents ». Par exemple le caractère unicode `U+216C` indiquant le chiffre romain `Ⅼ` (50) est remplacé par son « équivalent » `U+004C`, indiquant la lettre latine `L` ; `"NFD"` utilise les formes composées des caractères ; `"NFKD"` utilise les formes composées des caractères et remplace les caractères « équivalents »	`False`	2.0
`ellipsis_back`	Symbole d'élision	`"'"`	2.0
`ndash_w`	Tiret demi-cadratin	`"--"`	2.1
`begin_insert_w`	Début d'une insertion	`r"\\textins{"`	2.2
`end_insert_w`	Fin d'une insertion	`"}"`	2.2
`empty_line_w`	Ligne vide	`"\n"`	2.2
`line_number_w`	Chaîne pour remplacement d'expression régulière indiquant le numéro de ligne.	`""`	2.3
`last_regexp`	Série d'expression régulière et de chaîne de remplacement à appliquer au tout dernier moment. Par exemple j'utilise : `[ ("\s+(,\|·\|\.\|˙\|;)",r"\1"), ("·","˙"), (";",";") ]` l. 2 : évite les espaces avant les signes de ponctuations. l. 3 : remplace les points du milieu par des points en haut. l. 4 : remplace les points-virgules (`U+003B`) par des points d'interrogation grecs (`U+037E`).	`False`	2.4
`before_stanza_w`	Code de début de poésie.	`\stanza`	2.5
`after_stanza_w`	Code de fin de poésie.	`"\&"`	2.5
`between_stanza_w`	Code entre chaques vers.	`"&"`	2.5

Ce script est sous licence GPL 3. Ses auteurs sont :

Maïeul ROUQUETTE
Annette von STOCKHAUSEN

Il est disponible sur Github.

[1] On nous excusera par conséquent le caractère redondant de certaines parties de l'article.

[2] Il s'agit d'un extrait d'une louange à l'apôtre Barnabé.

[3] Comprend les nouveautés de la version 1.1.

[4] Pour comprendre les expression régulières, on pourra lire le tutoriel de la documentation de Python.