Problèmes data.txt

--> lignes en doubles : 							correction en les aggrégeant
--> valeurs nulles (ex : ''): 							correction par la suppression
--> valeurs à multiples labels (corrects et incorrects) : 			?		
--> valeurs incohérentes facilement identifiable (ex : N° de tel) :		correction par la suppression
--> valeurs mal-orthographié :							correction en gardant l'orthographe prépondérante (mesure de JeSaisPlusQui)
--> valeurs en CAPS, d'autres non :						on choisi une norme
--> précisions entre :								normaliser en les retirant
	- toute partie entre parenthèses
	- aéroport
	- street
	- avenue
	- city, ciudad
	- nombre
	- cedex
	- west,east,north,south ?
	- prov (pour province)
	- ...
--> noms inversés (ex : 'ZURICH FLUGHAFEN' et 'FLUGHAFEN ZURICH') :		normaliser en comparant les noms triés dans l'ordre alphabétique
--> erreurs prédominantes sur l'information correcte :				???



Démarche :
#0) extraire les données du fichier initial
#1) agréger les doublons
#2) supprimer les nulls
#3) corriger les countryCode faux (peu représenté) : remplacement par le plus prépondérent
#4) supprimer les incohérents faciles
#5) supprimer les termes inutiles                           -> on sauve quelque part l'association "terme initial" -> "terme nettoyé"
#6) replacer les sous-mots par ordre alphabétique (trie)    -> on sauve quelque part l'association "terme initial" -> "terme inversé"
#7) agréger les similaires
#8) retirer les incohérents difficiles (classe 1 représentant, caractères incohérents dans le représentant, peu de représentativité)
#9) choisir le représentants de chaque classes de similaires
#9.5) corriger les erreurs d'agrégation facilement rattrapables
#10) extraire correctement les noms de country
#11) écrire le fichier de sortie : InputCity, CN, OutputCity, CountryName
#       --> demande de remonter la chaîne de dictionnaires générée