Ce script classe les noms de salons de coiffure par fréquence.

Le fichier annuaire.csv doit provenir de la base SIRENE de l'administration française ; j'ai choisi comme seuls critères le code NAP/APE 96.02A et les entreprises en activité pour un premier export, puis j'ai fait un second export avec seulement les entreprises cessées et j'ai fusionné les deux fichiers.

Le script crée deux fichiers :

• occurences.txt liste tous les noms de salons par fréquence d'occurence décroissante ;
• occurences_motscles.txt filtre cette liste en fonction de mots clés prédéfinis par la liste MOTS_CLES ;
• la variable OCCURENCES_MIN permet de filtrer uniquement les noms qui réapparaissent un certain nombre de fois.

Les noms sont extraits depuis le CSV :

• à partir des colonnes denominationUsuelleEtablissement et denominationUniteLegale ;
• les apostrophes sont retirées à cause de l'inconsistance de leur usage.

Limites :

• la présence ou non des déterminants peut fausser un peu le comptage ;
• il est probable que certains salons aient un nom de devanture différent de ce qui est déclaré légalement ;
• le script ne gère pour le moment pas d'autres territoires francophones.