Natural Language Processing with Python Cookbook

1st Edition Krishna Bhavsar download

https://textbookfull.com/product/natural-language-processing-
with-python-cookbook-1st-edition-krishna-bhavsar/

Download more ebook from https://textbookfull.com

We believe these products will be a great fit for you. Click
the link to download now, or visit textbookfull.com
to discover even more!

Applied Natural Language Processing with Python:

Implementing Machine Learning and Deep Learning
Algorithms for Natural Language Processing 1st Edition
Taweh Beysolow Ii
https://textbookfull.com/product/applied-natural-language-
processing-with-python-implementing-machine-learning-and-deep-
learning-algorithms-for-natural-language-processing-1st-edition-
taweh-beysolow-ii/

Python Natural Language Processing Advanced machine

learning and deep learning techniques for natural
language processing 1st Edition Jalaj Thanaki

https://textbookfull.com/product/python-natural-language-
processing-advanced-machine-learning-and-deep-learning-
techniques-for-natural-language-processing-1st-edition-jalaj-
thanaki/

Natural language processing with TensorFlow Teach

language to machines using Python s deep learning
library 1st Edition Thushan Ganegedara

https://textbookfull.com/product/natural-language-processing-
with-tensorflow-teach-language-to-machines-using-python-s-deep-
learning-library-1st-edition-thushan-ganegedara/

Text Analytics with Python - A Practitioner's Guide to

Natural Language Processing 2nd Edition Dipanjan Sarkar

https://textbookfull.com/product/text-analytics-with-python-a-
practitioners-guide-to-natural-language-processing-2nd-edition-
dipanjan-sarkar/
Deep Learning for Natural Language Processing Develop
Deep Learning Models for Natural Language in Python
Jason Brownlee

https://textbookfull.com/product/deep-learning-for-natural-
language-processing-develop-deep-learning-models-for-natural-
language-in-python-jason-brownlee/

Practical Natural Language Processing with Python With

Case Studies from Industries Using Text Data at Scale
1st Edition Mathangi Sri

https://textbookfull.com/product/practical-natural-language-
processing-with-python-with-case-studies-from-industries-using-
text-data-at-scale-1st-edition-mathangi-sri/

Natural Language Processing 1st Edition Jacob

Eisenstein

https://textbookfull.com/product/natural-language-processing-1st-
edition-jacob-eisenstein/

Getting Started with Natural Language Processing MEAP

V06 Ekaterina Kochmar

https://textbookfull.com/product/getting-started-with-natural-
language-processing-meap-v06-ekaterina-kochmar/

Machine Learning with PySpark: With Natural Language

Processing and Recommender Systems 1st Edition Pramod
Singh

https://textbookfull.com/product/machine-learning-with-pyspark-
with-natural-language-processing-and-recommender-systems-1st-
edition-pramod-singh/
Natural Language Processing with
Python Cookbook

Over 60 recipes to implement text analytics solutions using

deep learning principles

Krishna Bhavsar
Naresh Kumar
Pratap Dangeti

BIRMINGHAM - MUMBAI
Natural Language Processing with Python
Cookbook
Copyright © 2017 Packt Publishing

All rights reserved. No part of this book may be reproduced, stored in a retrieval system, or
transmitted in any form or by any means, without the prior written permission of the
publisher, except in the case of brief quotations embedded in critical articles or reviews.

Every effort has been made in the preparation of this book to ensure the accuracy of the
information presented. However, the information contained in this book is sold without
warranty, either express or implied. Neither the authors, nor Packt Publishing, and its
dealers and distributors will be held liable for any damages caused or alleged to be caused
directly or indirectly by this book.

Packt Publishing has endeavored to provide trademark information about all of the
companies and products mentioned in this book by the appropriate use of capitals.
However, Packt Publishing cannot guarantee the accuracy of this information.

First published: November 2017

Production reference: 1221117

Published by Packt Publishing Ltd.
Livery Place
35 Livery Street
Birmingham
B3 2PB, UK.

ISBN 978-1-78728-932-1

www.packtpub.com
 Credits

Authors Copy Editor

Krishna Bhavsar Vikrant Phadkay
Naresh Kumar
Pratap Dangeti

Reviewer Project Coordinator

Juan Tomas Oliva Ramos Nidhi Joshi

Commissioning Editor Proofreader

Veena Pagare Safis Editing

Acquisition Editor Indexer

Aman Singh Tejal Daruwale Soni

Content Development Editor Graphics

Aishwarya Pandere Tania Dutta

Technical Editors Production Coordinator

Dinesh Pawar Shraddha Falebhai
Suwarna Rajput
 About the Authors
Krishna Bhavsar has spent around 10 years working on natural language processing, social
media analytics, and text mining in various industry domains such as hospitality, banking,
healthcare, and more. He has worked on many different NLP libraries such as Stanford
CoreNLP, IBM's SystemText and BigInsights, GATE, and NLTK to solve industry problems
related to textual analysis. He has also worked on analyzing social media responses for
popular television shows and popular retail brands and products. He has also published a
paper on sentiment analysis augmentation techniques in 2010 NAACL. he recently created
an NLP pipeline/toolset and open sourced it for public use. Apart from academics and
technology, Krishna has a passion for motorcycles and football. In his free time, he likes to
travel and explore. He has gone on pan-India road trips on his motorcycle and backpacking
trips across most of the countries in South East Asia and Europe.

First and foremost, I would like to thank my mother for being the biggest motivating force
and a rock-solid support system behind all my endeavors in life. I would like to thank the
management team at Synerzip and all my friends for being supportive of me on this
journey. Last but not least, special thanks to Ram and Dorothy for keeping me on track
during this professionally difficult year.

Naresh Kumar has more than a decade of professional experience in designing,

implementing, and running very-large-scale Internet applications in Fortune Top 500
companies. He is a full-stack architect with hands-on experience in domains such as e-
commerce, web hosting, healthcare, big data and analytics, data streaming, advertising, and
databases. He believes in open source and contributes to it actively. Naresh keeps himself
up-to-date with emerging technologies, from Linux systems internals to frontend
technologies. He studied in BITS-Pilani, Rajasthan with dual degree in computer science
and economics.

Pratap Dangeti develops machine learning and deep learning solutions for structured,
image, and text data at TCS, in its research and innovation lab in Bangalore. He has
acquired a lot of experience in both analytics and data science. He received his master's
degree from IIT Bombay in its industrial engineering and operations research program.
Pratap is an artificial intelligence enthusiast. When not working, he likes to read about next-
gen technologies and innovative methodologies. He is also the author of the book Statistics
for Machine Learning by Packt.

I would like to thank my mom, Lakshmi, for her support throughout my career and in
writing this book. I dedicate this book to her. I also thank my family and friends for their
encouragement, without which it would not have been possible to write this book.
 About the Reviewer
Juan Tomas Oliva Ramos is an environmental engineer from the University of Guanajuato,
Mexico, with a master's degree in administrative engineering and quality. He has more than
5 years of experience in the management and development of patents, technological
innovation projects, and the development of technological solutions through the statistical
control of processes.

He has been a teacher of statistics, entrepreneurship, and the technological development of

projects since 2011. He became an entrepreneur mentor and started a new department of
technology management and entrepreneurship at Instituto Tecnologico Superior de
Purisima del Rincon Guanajuato, Mexico.

Juan is an Alfaomega reviewer and has worked on the book Wearable Designs for Smart
Watches, Smart TVs and Android Mobile Devices.

Juan has also developed prototypes through programming and automation technologies for
the improvement of operations, which have been registered for patents.

I want to thank God for giving me wisdom and humility to review this book.
I thank Packt for giving me the opportunity to review this amazing book and to collaborate
with a group of committed people
I want to thank my beautiful wife, Brenda, our two magic princesses (Maria Regina and
Maria Renata) and our next member (Angel Tadeo), all of you, give me the strength,
happiness, and joy to start a new day. Thanks for being my family.
 www.PacktPub.com
For support files and downloads related to your book, please visit www.PacktPub.com. Did
you know that Packt offers eBook versions of every book published, with PDF and ePub
files available? You can upgrade to the eBook version at www.PacktPub.comand as a print
book customer, you are entitled to a discount on the eBook copy. Get in touch with us at
service@packtpub.com for more details. At www.PacktPub.com, you can also read a
collection of free technical articles, sign up for a range of free newsletters and receive
exclusive discounts and offers on Packt books and eBooks.

https:/​/​www.​packtpub.​com/​mapt

Get the most in-demand software skills with Mapt. Mapt gives you full access to all Packt
books and video courses, as well as industry-leading tools to help you plan your personal
development and advance your career.

Why subscribe?
Fully searchable across every book published by Packt
Copy and paste, print, and bookmark content
On demand and accessible via a web browser
 Customer Feedback
Thanks for purchasing this Packt book. At Packt, quality is at the heart of our editorial
process. To help us improve, please leave us an honest review on this book's Amazon page
at https:/​/​www.​amazon.​com/​dp/​178728932X. If you'd like to join our team of regular
reviewers, you can email us at customerreviews@packtpub.com. We award our regular
reviewers with free eBooks and videos in exchange for their valuable feedback. Help us be
relentless in improving our products!
 Table of Contents
Preface 1
Chapter 1: Corpus and WordNet 8
Introduction 8
Accessing in-built corpora 9
How to do it... 9
Download an external corpus, load it, and access it 12
Getting ready 12
How to do it... 12
How it works... 14
Counting all the wh words in three different genres in the Brown corpus 15
Getting ready 15
How to do it... 15
How it works... 17
Explore frequency distribution operations on one of the web and chat
text corpus files 17
Getting ready 18
How to do it... 18
How it works... 20
Take an ambiguous word and explore all its senses using WordNet 20
Getting ready 21
How to do it... 21
How it works... 24
Pick two distinct synsets and explore the concepts of hyponyms and
hypernyms using WordNet 25
Getting ready 25
How to do it... 25
How it works... 28
Compute the average polysemy of nouns, verbs, adjectives, and
adverbs according to WordNet 28
Getting ready 29
How to do it... 29
How it works... 30
Chapter 2: Raw Text, Sourcing, and Normalization 31
Introduction 31
Table of Contents

The importance of string operations 32

Getting ready… 32
How to do it… 32
How it works… 34
Getting deeper with string operations 34
How to do it… 34
How it works… 37
Reading a PDF file in Python 37
Getting ready 37
How to do it… 38
How it works… 39
Reading Word documents in Python 40
Getting ready… 40
How to do it… 40
How it works… 43
Taking PDF, DOCX, and plain text files and creating a user-defined
corpus from them 44
Getting ready 44
How to do it… 45
How it works… 47
Read contents from an RSS feed 48
Getting ready 48
How to do it… 48
How it works… 50
HTML parsing using BeautifulSoup 50
Getting ready 51
How to do it… 51
How it works… 53
Chapter 3: Pre-Processing 54
Introduction 54
Tokenization – learning to use the inbuilt tokenizers of NLTK 55
Getting ready 55
How to do it… 55
How it works… 57
Stemming – learning to use the inbuilt stemmers of NLTK 58
Getting ready 58
How to do it… 58
How it works… 60
Lemmatization – learning to use the WordnetLemmatizer of NLTK 60

[ ii ]
Table of Contents

Getting ready 60
How to do it… 61
How it works… 63
Stopwords – learning to use the stopwords corpus and seeing the
difference it can make 63
Getting ready 63
How to do it... 63
How it works... 66
Edit distance – writing your own algorithm to find edit distance
between two strings 66
Getting ready 66
How to do it… 67
How it works… 69
Processing two short stories and extracting the common vocabulary
between two of them 69
Getting ready 69
How to do it… 70
How it works… 75
Chapter 4: Regular Expressions 76
Introduction 76
Regular expression – learning to use *, +, and ? 77
Getting ready 77
How to do it… 77
How it works… 79
Regular expression – learning to use $ and ^, and the non-start and
non-end of a word 79
Getting ready 80
How to do it… 80
How it works… 82
Searching multiple literal strings and substring occurrences 83
Getting ready 83
How to do it… 83
How it works... 85
Learning to create date regex and a set of characters or ranges of
character 85
How to do it... 85
How it works... 87
Find all five-character words and make abbreviations in some
sentences 88

[ iii ]
Table of Contents

How to do it… 88
How it works... 89
Learning to write your own regex tokenizer 89
Getting ready 89
How to do it... 90
How it works... 91
Learning to write your own regex stemmer 91
Getting ready 91
How to do it… 92
How it works… 93
Chapter 5: POS Tagging and Grammars 94
Introduction 94
Exploring the in-built tagger 95
Getting ready 95
How to do it... 95
How it works... 96
Writing your own tagger 97
Getting ready 97
How to do it... 98
How it works... 99
Training your own tagger 104
Getting ready 104
How to do it... 104
How it works... 106
Learning to write your own grammar 108
Getting ready 109
How to do it... 109
How it works... 110
Writing a probabilistic CFG 112
Getting ready 112
How to do it... 113
How it works... 114
Writing a recursive CFG 116
Getting ready 117
How to do it... 117
How it works... 119
Chapter 6: Chunking, Sentence Parse, and Dependencies 121
Introduction 121

[ iv ]
Table of Contents

Using the built-in chunker 121

Getting ready 122
How to do it... 122
How it works... 123
Writing your own simple chunker 124
Getting ready 126
How to do it... 126
How it works... 127
Training a chunker 129
Getting ready 130
How to do it... 130
How it works... 131
Parsing recursive descent 132
Getting ready 133
How to do it... 133
How it works... 135
Parsing shift-reduce 136
Getting ready 136
How to do it... 136
How it works... 138
Parsing dependency grammar and projective dependency 139
Getting ready 140
How to do it... 140
How it works... 141
Parsing a chart 142
Getting ready 143
How to do it... 143
How it works... 144
Chapter 7: Information Extraction and Text Classification 147
Introduction 147
Understanding named entities 148
Using inbuilt NERs 149
Getting ready 150
How to do it... 150
How it works... 152
Creating, inversing, and using dictionaries 153
Getting ready 153
How to do it... 153
How it works... 155

[v]
Table of Contents

Choosing the feature set 159

Getting ready 159
How to do it... 159
How it works... 161
Segmenting sentences using classification 164
Getting ready 164
How to do it... 164
How it works... 166
Classifying documents 168
Getting ready 168
How to do it... 168
How it works... 170
Writing a POS tagger with context 173
Getting ready 173
How to do it... 173
How it works... 175
Chapter 8: Advanced NLP Recipes 178
Introduction 178
Creating an NLP pipeline 179
Getting ready 180
How to do it... 180
How it works... 182
Solving the text similarity problem 187
Getting ready 188
How to do it... 188
How it works... 190
Identifying topics 194
Getting ready 194
How to do it... 194
How it works... 196
Summarizing text 200
Getting ready 200
How to do it... 200
How it works... 202
Resolving anaphora 204
Getting ready 205
How to do it... 205
How it works... 207
Disambiguating word sense 210

[ vi ]
Table of Contents

Getting ready 211

How to do it... 211
How it works... 212
Performing sentiment analysis 213
Getting ready 214
How to do it... 214
How it works... 216
Exploring advanced sentiment analysis 218
Getting ready 218
How to do it... 218
How it works... 220
Creating a conversational assistant or chatbot 223
Getting ready 224
How to do it... 224
How it works... 227
Chapter 9: Applications of Deep Learning in NLP 230
Introduction 230
Convolutional neural networks 231
Applications of CNNs 235
Recurrent neural networks 235
Application of RNNs in NLP 237
Classification of emails using deep neural networks after generating
TF-IDF 238
Getting ready 238
How to do it... 239
How it works... 240
IMDB sentiment classification using convolutional networks CNN 1D 247
Getting ready 247
How to do it... 249
How it works... 249
IMDB sentiment classification using bidirectional LSTM 252
Getting ready 253
How to do it... 253
How it works... 254
Visualization of high-dimensional words in 2D with neural word vector
visualization 256
Getting ready 256
How to do it... 258
How it works... 258

[ vii ]
Table of Contents

Chapter 10: Advanced Applications of Deep Learning in NLP 263

Introduction 263
Automated text generation from Shakespeare's writings using LSTM 264
Getting ready... 264
How to do it... 265
How it works... 265
Questions and answers on episodic data using memory networks 270
Getting ready... 270
How to do it... 271
How it works... 272
Language modeling to predict the next best word using recurrent
neural networks LSTM 278
Getting ready... 278
How to do it... 279
How it works... 280
Generative chatbot using recurrent neural networks (LSTM) 283
Getting ready... 283
How to do it... 284
How it works... 285
Index 289

[ viii ]
 Preface
Dear reader, thank you for choosing this book to pursue your interest in natural language
processing. This book will give you a practical viewpoint to understand and implement
NLP solutions from scratch. We will take you on a journey that will start with accessing
inbuilt data sources and creating your own sources. And then you will be writing complex
NLP solutions that will involve text normalization, preprocessing, POS tagging, parsing,
and much more.

In this book, we will cover the various fundamentals necessary for applications of deep
learning in natural language processing, and they are state-of-the-art techniques. We will
discuss applications of deep learning using Keras software.

This book is motivated by the following goals:

The content is designed to help newbies get up to speed with various

fundamentals explained in a detailed way; and for experienced professionals, it
will refresh various concepts to get more clarity when applying algorithms to
chosen data
There is an introduction to new trends in the applications of deep learning in
NLP

What this book covers

Chapter 1, Corpus and WordNet, teaches you access to built-in corpora of NLTK and
frequency distribution. We shall also learn what WordNet is and explore its features and
usage.

Chapter 2, Raw Text, Sourcing, and Normalization, shows how to extract text from various
formats of data sources. We will also learn to extract raw text from web sources. And finally
we will normalize raw text from these heterogeneous sources and organize it in corpus.

Chapter 3, Pre-Processing, introduces some critical preprocessing steps, such as

tokenization, stemming, lemmatization, and edit distance.

Chapter 4, Regular Expressions, covers one of the most basic and simple, yet most important
and powerful, tools that you will ever learn. In this chapter, you will learn the concept of
pattern matching as a way to do text analysis, and for this, there is no better tool than
regular expressions.
Preface

Chapter 5, POS Tagging and Grammars. POS tagging forms the basis of any further syntactic
analyses, and grammars can be formed and deformed using POS tags and chunks. We will
learn to use and write our own POS taggers and grammars.

Chapter 6, Chunking, Sentence Parse, and Dependencies, helps you to learn how to use the
inbuilt chunker as well as train/write your own chunker: dependency parser. In this
chapter, you will learn to evaluate your own trained models.

Chapter 7, Information Extraction and Text Classification, tells you more about named entities
recognition. We will be using inbuilt NEs and also creating your own named entities using
dictionaries. Let's learn to use inbuilt text classification algorithms and simple recipes
around its application.

Chapter 8, Advanced NLP Recipes, is about combining all your lessons so far and creating
applicable recipes that can be easily plugged into any of your real-life application problems.
We will write recipes such as text similarity, summarization, sentiment analysis, anaphora
resolution, and so on.

Chapter 9, Application of Deep Learning in NLP, presents the various fundamentals necessary
for working on deep learning with applications in NLP problems such as classification of
emails, sentiment classification with CNN and LSTM, and finally visualizing high-
dimensional words in low dimensional space.

Chapter 10, Advanced Application of Deep Learning in NLP, describes state-of-the-art problem
solving using deep learning. This consists of automated text generation, question and
answer on episodic data, language modeling to predict the next best word, and finally
chatbot development using generative principles.

What you need for this book

To perform the recipes of this book successfully, you will need Python 3.x or higher running
on any Windows- or Unix-based operating system with a processor of 2.0 GHz or higher
and minimum 4 GB RAM. As far as the IDE for Python development are concerned, there
are many available in the market but my personal favorite is PyCharm community edition.
It's free, it's open source, and it's developed by Jetbrains. That means support is excellent,
advancement and fixes are distributed at a steady pace, and familiarity with IntelliJ keeps
the learning curve pretty flat.

This book assumes you know Keras's basics and how to install the libraries. We do not
expect that readers are already equipped with knowledge of deep learning and
mathematics, such as linear algebra and so on.

[2]
Preface

We have used the following versions of software throughout this book, but it should run
fine with any of the more recent ones also:

Anaconda 3 – 4.3.1 (all Python and its relevant packages are included in
Anaconda, Python – 3.6.1, NumPy – 1.12.1, pandas – 0.19.2)
Theano – 0.9.0
Keras – 2.0.2
feedparser – 5.2.1
bs4 – 4.6.0
gensim – 3.0.1

Who this book is for

This book is intended for data scientists, data analysts, and data science professionals who
want to upgrade their existing skills to implement advanced text analytics using NLP. Some
basic knowledge of natural language processing is recommended.

This book is intended for any newbie with no knowledge of NLP or any experienced
professional who would like to expand their knowledge from traditional NLP techniques to
state-of-the-art deep learning techniques in the application of NLP.

Sections
In this book, you will find several headings that appear frequently (Getting ready, How to
do it…, How it works…, There's more…, and See also). To give clear instructions on how to
complete a recipe, we use these sections as follows.

Getting ready
This section tells you what to expect in the recipe, and describes how to set up any software
or any preliminary settings required for the recipe.

How to do it…
This section contains the steps required to follow the recipe.

[3]
Preface

How it works…
This section usually consists of a detailed explanation of what happened in the previous
section.

There's more…
This section consists of additional information about the recipe in order to make the reader
more knowledgeable about the recipe.

See also
This section provides helpful links to other useful information for the recipe.

Conventions
In this book, you will find a number of text styles that distinguish between different kinds
of information. Here are some examples of these styles and an explanation of their meaning.

Code words in text, database table names, folder names, filenames, file extensions,
pathnames, dummy URLs, user input, and Twitter handles are shown as follows: "Create a
new file named reuters.py and add the following import line in the file" A block of code
is set as follows:
for w in reader.words(fileP):
print(w + ' ', end='')
if (w is '.'):
print()

Any command-line input or output is written as follows:

# Deep Learning modules
>>> import numpy as np
>>> from keras.models import Sequential

New terms and important words are shown in bold.

Warnings or important notes appear like this.

[4]
Preface

Tips and tricks appear like this.

Reader feedback
Feedback from our readers is always welcome. Let us know what you think about this
book-what you liked or disliked. Reader feedback is important for us as it helps us develop
titles that you will really get the most out of. To send us general feedback, simply e-mail
feedback@packtpub.com, and mention the book's title in the subject of your message. If
there is a topic that you have expertise in and you are interested in either writing or
contributing to a book, see our author guide at www.packtpub.com/authors .

Customer support
Now that you are the proud owner of a Packt book, we have a number of things to help you
to get the most from your purchase.

Downloading the example code

You can download the example code files for this book from your account at http:/​/​www.
packtpub.​com. If you purchased this book elsewhere, you can visit http:/​/​www.​packtpub.
com/​support and register to have the files e-mailed directly to you. You can download the
code files by following these steps:

1. Log in or register to our website using your e-mail address and password.
2. Hover the mouse pointer on the SUPPORT tab at the top.
3. Click on Code Downloads & Errata.
4. Enter the name of the book in the Search box.
5. Select the book for which you're looking to download the code files.
6. Choose from the drop-down menu where you purchased this book from.
7. Click on Code Download.

[5]
Preface

You can also download the code files by clicking on the Code Files button on the book's
webpage at the Packt Publishing website. This page can be accessed by entering the book's
name in the Search box. Please note that you need to be logged in to your Packt account.
Once the file is downloaded, please make sure that you unzip or extract the folder using the
latest version of:

WinRAR / 7-Zip for Windows

Zipeg / iZip / UnRarX for Mac
7-Zip / PeaZip for Linux

The code bundle for the book is also hosted on GitHub at https:/​/​github.​com/
PacktPublishing/​Natural-​Language-​Processing-​with-​Python-​Cookbook. We also have
other code bundles from our rich catalog of books and videos available at https:/​/​github.
com/​PacktPublishing/​. Check them out!

Errata
Although we have taken every care to ensure the accuracy of our content, mistakes do
happen. If you find a mistake in one of our books-maybe a mistake in the text or the code-
we would be grateful if you could report this to us. By doing so, you can save other readers
from frustration and help us improve subsequent versions of this book. If you find any
errata, please report them by visiting http:/​/​www.​packtpub.​com/​submit-​errata, selecting
your book, clicking on the Errata Submission Form link, and entering the details of your
errata. Once your errata are verified, your submission will be accepted and the errata will
be uploaded to our website or added to any list of existing errata under the Errata section of
that title. To view the previously submitted errata, go to https:/​/​www.​packtpub.​com/
books/​content/​support and enter the name of the book in the search field. The required
information will appear under the Errata section.

Piracy
Piracy of copyrighted material on the Internet is an ongoing problem across all media. At
Packt, we take the protection of our copyright and licenses very seriously. If you come
across any illegal copies of our works in any form on the Internet, please provide us with
the location address or website name immediately so that we can pursue a remedy. Please
contact us at copyright@packtpub.com with a link to the suspected pirated material. We
appreciate your help in protecting our authors and our ability to bring you valuable
content.

[6]
Preface

Questions
If you have a problem with any aspect of this book, you can contact us at
questions@packtpub.com, and we will do our best to address the problem.

[7]
 Corpus and WordNet
1
In this chapter, we will cover the following recipes:

Accessing in-built corpora

Download an external corpus, load it, and access it
Counting all the wh words in three different genres in the Brown corpus
Explore frequency distribution operations on one of the web and chat text corpus
files
Take an ambiguous word and explore all its senses using WordNet
Pick two distinct synsets and explore the concepts of hyponyms and hypernyms
using WordNet
Compute the average polysemy of nouns, verbs, adjectives, and adverbs
according to WordNet

Introduction
To solve any real-world Natural Language Processing (NLP) problems, you need to work
with huge amounts of data. This data is generally available in the form of a corpus out there
in the open diaspora and as an add-on of the NLTK package. For example, if you want to
create a spell checker, you need a huge corpus of words to match against.

The goal of this chapter is to cover the following:

Introducing various useful textual corpora available with NLTK

How to access these in-built corpora from Python
Working with frequency distributions
An introduction to WordNet and its lexical features
Corpus and WordNet Chapter 1

We will try to understand these things from a practical standpoint. We will perform some
exercises that will fulfill all of these goals through our recipes.

Accessing in-built corpora

As already explained, we have many corpuses available for use with NLTK. We will
assume that you have already downloaded and installed NLTK data on your computer. If
not, you can find the same at http:/​/​www.​nltk.​org/​data.​html. Also, a complete list of
corpora that you can use from within NLTK data is available at http:/​/​www.​nltk.​org/
nltk_​data/​.

Now, our first task/recipe involves us learning how to access any one of these corpora. We
have decided to do some tests on the Reuters corpus or the same. We will import the corpus
into our program and try to access it in different ways.

How to do it...
1. Create a new file named reuters.py and add the following import line in the
file. This will specifically allow access to only the reuters corpus in our program
from the entire NLTK data:

from nltk.corpus import reuters

2. Now we want to check what exactly is available in this corpus. The simplest way
to do this is to call the fileids() function on the corpus object. Add the
following line in your program:

files = reuters.fileids()
print(files)

3. Now run the program and you shall get an output similar to this:

['test/14826', 'test/14828', 'test/14829', 'test/14832',

'test/14833', 'test/14839',

These are the lists of files and the relative paths of each of them in the reuters
corpus.

[9]
Corpus and WordNet Chapter 1

4. Now we will access the actual content of any of these files. To do this, we will use
the words() function on the corpus object as follows, and we will access the
test/16097 file:

words16097 = reuters.words(['test/16097'])
print(words16097)

5. Run the program again and an extra new line of output will appear:

['UGANDA', 'PULLS', 'OUT', 'OF', 'COFFEE', 'MARKET', ...]

As you can see, the list of words in the test/16097 file is shown. This is curtailed
though the entire list of words is loaded in the memory object.

6. Now we want to access a specific number of words (20) from the same file,
test/16097. Yes! We can specify how many words we want to access and store
them in a list for use. Append the following two lines in the code:

words20 = reuters.words(['test/16097'])[:20]
print(words20)

Run this code and another extra line of output will be appended, which will look
like this:
['UGANDA', 'PULLS', 'OUT', 'OF', 'COFFEE', 'MARKET', '-', 'TRADE',
'SOURCES', 'Uganda', "'", 's', 'Coffee', 'Marketing', 'Board', '(',
'CMB', ')', 'has', 'stopped']

7. Moving forward, the reuters corpus is not just a list of files but is also
hierarchically categorized into 90 topics. Each topic has many files associated
with it. What this means is that, when you access any one of the topics, you are
actually accessing the set of all files associated with that topic. Let's first output
the list of topics by adding the following code:

reutersGenres = reuters.categories()
print(reutersGenres)

Run the code and the following line of output will be added to the output console:
['acq', 'alum', 'barley', 'bop', 'carcass', 'castor-oil', 'cocoa',
'coconut', 'coconut-oil', ...

All 90 categories are displayed.

[ 10 ]
Corpus and WordNet Chapter 1

8. Finally, we will write four simple lines of code that will not only access two
topics but also print out the words in a loosely sentenced fashion as one sentence
per line. Add the following code to the Python file:

for w in reuters.words(categories=['bop','cocoa']):
print(w+' ',end='')
if(w is '.'):
print()

9. To explain briefly, we first selected the categories 'bop' and 'cocoa' and
printed every word from these two categories' files. Every time we encountered a
dot (.), we inserted a new line. Run the code and something similar to the
following will be the output on the console:

['test/14826', 'test/14828', 'test/14829', 'test/14832',

'test/14833', 'test/14839', ...
['UGANDA', 'PULLS', 'OUT', 'OF', 'COFFEE', 'MARKET', ...]
['UGANDA', 'PULLS', 'OUT', 'OF', 'COFFEE', 'MARKET', '-', 'TRADE',
'SOURCES', 'Uganda', "'", 's', 'Coffee', 'Marketing', 'Board', '(',
'CMB', ')', 'has', 'stopped']
['acq', 'alum', 'barley', 'bop', 'carcass', 'castor-oil', 'cocoa',
'coconut', 'coconut-oil', ...
SOUTH KOREA MOVES TO SLOW GROWTH OF TRADE SURPLUS South Korea ' s
trade surplus is growing too fast and the government has started
taking steps to slow it down , Deputy Prime Minister Kim Mahn-je
said .
He said at a press conference that the government planned to
increase investment , speed up the opening of the local market to
foreign imports, and gradually adjust its currency to hold the
surplus " at a proper level ." But he said the government would not
allow the won to appreciate too much in a short period of time .
South Korea has been under pressure from Washington to revalue the
won .
The U .
S .
Wants South Korea to cut its trade surplus with the U .
S ., Which rose to 7 .
4 billion dlrs in 1986 from 4 .
3 billion dlrs in 1985 .
.
.
.

[ 11 ]
Corpus and WordNet Chapter 1

Download an external corpus, load it, and

access it
Now that we have learned how to load and access an inbuilt corpus, we will learn how to
download and also how to load and access any external corpus. Many of these inbuilt
corpora are very good use cases for training purposes, but for solving any real-world
problem, you will normally need an external dataset. For this recipe's purpose, we will be
using the Cornell CS Movie review corpus, which is already labelled for positive and
negative reviews and used widely for training sentiment analysis modules.

Getting ready
First and foremost, you will need to download the dataset from the Internet. Here's the
link: http:/​/​www.​cs.​cornell.​edu/​people/​pabo/​movie-​review-​data/​mix20_​rand700_
tokens_​cleaned.​zip). Download the dataset, unzip it, and store the resultant
Reviews directory at a secure location on your computer.

How to do it...
1. Create a new file named external_corpus.py and add the following import
line to it:

from nltk.corpus import CategorizedPlaintextCorpusReader

Since the corpus that we have downloaded is already categorized, we will use
CategorizedPlaintextCorpusReader to read and load the given corpus. This
way, we can be sure that the categories of the corpus are captured, in this case,
positive and negative.

2. Now we will read the corpus. We need to know the absolute path of the Reviews
folder that we unzipped from the downloaded file from Cornell. Add the
following four lines of code:

reader = CategorizedPlaintextCorpusReader(r'/Volumes/Data/NLP-
CookBook/Reviews/txt_sentoken', r'.*\.txt', cat_pattern=r'(\w+)/*')
print(reader.categories())
print(reader.fileids())

[ 12 ]
Corpus and WordNet Chapter 1

The first line is where you are reading the corpus by calling the
CategorizedPlaintextCorpusReader constructor. The three arguments from
left to right are Absolute Path to the txt_sentoken folder on your computer, all
sample document names from the txt_sentoken folder, and the categories in the
given corpus (in our case, 'pos' and 'neg'). If you look closely, you'll see that all
the three arguments are regular expression patterns. The next two lines will
validate whether the corpus is loaded correctly or not, printing the associated
categories and filenames of the corpus. Run the program and you should see
something similar to the following:
['austen-emma.txt', 'austen-persuasion.txt', 'austen-sense.txt',
'bible-kjv.txt',....]
[['The', 'Fulton', 'County', 'Grand', 'Jury', 'said', 'Friday',
'an', 'investigation', 'of',...]]

3. Now that we've made sure that the corpus is loaded correctly, let's get on with
accessing any one of the sample documents from both the categories. For that,
let's first create a list, each containing samples of both the categories, 'pos' and
'neg', respectively. Add the following two lines of code:

posFiles = reader.fileids(categories='pos')
negFiles = reader.fileids(categories='neg')

The reader.fileids() method takes the argument category name. As you can
see, what we are trying to do in the preceding two lines of code is straightforward
and intuitive.

4. Now let's select a file randomly from each of the lists of posFiles and
negFiles. To do so, we will need the randint() function from the random
library of Python. Add the following lines of code and we shall elaborate what
exactly we did immediately after:

from random import randint

fileP = posFiles[randint(0,len(posFiles)-1)]
fileN = negFiles[randint(0, len(posFiles) - 1)]
print(fileP)
print(fileN)

The first line imports the randint() function from the random library. The next
two files select a random file, each from the set of positive and negative category
reviews. The last two lines just print the filenames.

[ 13 ]
Other documents randomly have
different content
d'enfance, Villeroi, le brillant, le charmant (toutes les femmes
l'appelaient ainsi), irrésistible à cinquante ans. Mais tel il ne fut pas
sur le champ de bataille. Il emmenait, il est vrai, un bagage
embarrassant, le jeune duc du Maine, qu'il fallait faire briller et ne
pas exposer. Cette fine petite fouine de cour, dressée au demi-jour
dans la chambre d'une femme, ne supporta pas la lumière, défaillit
devant l'ennemi. On pouvait accabler à part Vaudemont, lieutenant
de Guillaume; mais il fallait une bataille. Le succès était sûr, Villeroi
l'avait promis au roi. Au moment, le petit homme n'eut pas même la
force de déguiser sa peur. On demandait ses ordres, il demanda son
confesseur. Pendant qu'il songe à son salut, Vaudemont accomplit le
sien. Rien ne fut plus sensible au roi que cette honte. Personne n'osa
l'en avertir. Il ne l'apprit que par les gorges chaudes qu'en firent les
gazettes hollandaises. Il eût étouffé de mauvaise humeur, si, pour
une occasion légère, il n'eût cassé sa canne sur le dos d'un laquais.
Il ne recula pas devant la vengeance plus directe, que promettaient
les nouveaux complots contre Guillaume.

Celui-ci, dans cette campagne, trouva son apogée. La fortune, qui si

longtemps avait chicané avec lui, vaincue par la persévérance, rendit
hommage à la sagesse. Tel fut le secret, l'admirable rapidité de ses
opérations, qu'avant qu'on se fût mis en garde, ses forces (anglaises
et alliées) convergèrent vers Namur. Boufflers n'eut que le temps de
s'y jeter. Ce très-bon général y avait avec lui toute une armée, seize
mille hommes. La grande armée de Villeroi arrivait. À Versailles, on
croyait Guillaume en danger. Mais l'art d'attaquer et de défendre les
places, désormais régularisé, permit au très-habile Cohorn de
reprendre Namur aussi bien que Vauban, naguère, avait su le lui
prendre. Les gardes de Guillaume et autres troupes anglaises se
montrèrent dans l'attaque, à travers le fer et le feu, d'une ténacité
surprenante. La ville fut prise le 6 juillet, Boufflers renfermé dans le
château.

Que faisait Villeroi? Il se promenait en Flandre et en Brabant. Il

écrasait de bombes la ville inoffensive de Bruxelles, pour venger,
disait-il, nos ports incendiés. Six couvents, quinze cents maisons
anéantis. Des masses de dentelles, de tapisseries brûlées. Force
femmes tuées, ou qui moururent de peur. L'électrice de Bavière en fit
une fausse couche. Cette barbare et ridicule expédition ne pouvait
faire manquer l'affaire de Guillaume. Villeroi vint enfin, ayant
ramassé 80,000 hommes, en vue de Namur. Boufflers, du haut de sa
citadelle, le voyait déjà, l'espérait, écoutait avec joie la promesse du
salut, une salve de cent coups de canon que lui fit Villeroi. C'était
l'heure attendue. À Versailles, le roi, madame de Maintenon, avaient
communié, et le saint-sacrement était exposé dans la chapelle.
Guillaume, comme tout le monde, croyait à la bataille. Le 19 juillet,
tout était prêt. Mais Villeroi avait vu la bonne position de Guillaume;
il battit en retraite. Et Boufflers, sans espoir, ayant, pour son
honneur, repoussé encore un assaut, rendit la citadelle (26 août
1694).

Très-grand événement militaire, le plus grand depuis cinquante ans.

La France y perdit l'ascendant qui datait de la bataille de Rocroi.

Les Anglais, d'orgueil et de joie, perdirent presque l'esprit. Maîtres

des mers, ils crurent l'être de la terre. Ils s'exagérèrent même la
valeur du succès, l'estimant très-grossièrement comme une
supériorité de race et de vigueur physique. Tout l'honneur de l'affaire
fut pour un certain Cutts, dont on fit un Ajax, et dont on dit des
choses ridicules. Ce Cutts, assurait-on, était si fort qu'il avait passé à
travers le feu sans se brûler. Swift en fit une farce: Description de la
Salamandre.

Le héros, après Cutts, et plus justement, fut Guillaume.

«L'Angleterre, quoi qu'il fît, était décidée dès lors à trouver tout
bien» (Macaulay). L'Europe reconnut son incontestable grandeur. La
coalition lui obéit (moins le duc de Savoie, que regagna la France).
Sa marche fut facile et simple. Tout alla au torrent des Whigs, et,
pour la première fois, il y eut un ministère vraiment parlementaire.
Guillaume, sans crainte ni danger, lâcha la presse et la fit libre. Elle
était tout entière pour lui. La banque naissante de Londres reçut de
toutes parts des capitaux pour les prêter largement au roi. Cela
tranchait la question d'avenir. On savait bien que Jacques, s'il
revenait, n'en payerait pas un sol; il eût plutôt fait pendre les
prêteurs. Ceux-ci, de plus en plus nombreux, furent d'ardents
orangistes. L'Angleterre, entraînée par eux, fit pour ainsi dire au
dernier vivant avec Guillaume. La Banque devint le fort et la
forteresse des Whigs. Le parti déclinant des Tories se réfugia surtout
dans l'Église.

Le plus flatteur, peut-être, pour Guillaume, fut l'admiration de la cour

de France, qui lui rendit enfin justice. Un jacobite distingué,
Middleton, ayant quitté Guillaume et venant à Versailles, fut étonné
d'entendre dire au roi et aux ministres: «C'est un grand homme.» Il
n'en pouvait croire ses oreilles.

Jamais une vie personnelle n'eut un tel poids dans la balance du

sort. Jamais aussi on ne désira plus que cette vie fut tranchée. Le fils
de Jacques, le froid et très-intelligent Berwick, raconte qu'il détailla
au roi un nouveau plan d'assassinat, et que Louis XIV n'y fit aucune
objection. Seulement il voulait ne donner des troupes qu'après le
meurtre, lorsque l'insurrection aurait déjà éclaté. Les jacobites les
désiraient avant.

Macaulay explique parfaitement les deux complots qui se tramaient,

l'un, celui de Charnock, qui, pendant deux années, y travailla à
Londres; l'autre, celui d'un Barclay, homme de Saint-Germain, qui en
sortit sous le prétexte, alors admis et à la mode, d'aller se faire
guérir de certain mal. Vingt autres, dans le même but, quittèrent un
à un Saint-Germain. L'affaire était manipulée à Londres par un bon
moine. Il était arrangé qu'un dimanche, Guillaume passant pour aller
à l'office ou à la chasse, on tirerait sur lui. Le coup n'était pas mal
monté. Mais l'hésitation du roi de France, la tardive arrivée des
troupes à Calais, l'apparition de Jacques, tout cela ralentissait ou
compromettait le complot. Il fallait beaucoup d'hommes. Un défaillit,
et dit ce qu'il savait. L'affaire dès lors fut terrible pour Jacques,
terrible pour la France. Elle créa pour Guillaume une telle unanimité,
qu'il n'y en avait pas eu de pareille depuis la Conspiration des
poudres. Tout ce qui, en Angleterre, savait écrire, s'engagea par écrit
à défendre ou venger le roi. Il y eut 314,000 signatures. Guillaume
se sentit si haut, si fort, dans ce moment, qu'il ne voulut savoir
aucun des noms des traîtres; il fit couper la tête aux assassins qui
offrirent de les révéler. Un délateur tardif lui désignait les chefs des
Whigs; Guillaume fit venir et embrassa les dénoncés.

Louis XIV, ayant détaché la Savoie de la coalition, hésitait à subir la

condition humiliante que l'épuisement lui imposait, la reconnaissance
de Guillaume. La Chambre des communes supplia celui-ci de
n'accorder nulle négociation, si, au premier article, il n'était reconnu
roi d'Angleterre. La France était si bas, que l'impôt ne rendait plus
rien. Le désespoir fit perdre le respect. Un grand cri de douleur, de
révolution, échappe au Mirabeau du temps, un petit juge de Rouen,
l'immortel Boisguilbert (1697). Nous en parlerons tout à l'heure.

Au contraire, le crédit anglais se relevait. L'Hypothèque générale, la

création d'un fonds consolidé, rassurant les prêteurs, Guillaume eut
l'argent qu'il voulut: il se retrouva riche et fort à la fin de cette
longue guerre. Nous, nous étions in extremis. Contre l'Espagne
même, «qui ne put réunir mille hommes,» nous avions eu peu de
succès. Nous n'occupâmes Barcelone que par l'abandon de la
garnison espagnole. En Amérique, on surprit Carthagène. Une
société d'armateurs envoya une flotte sous l'amiral Pointis, qui, sans
scrupule, se fit aider par douze cents flibustiers. Effroyable
assistance, qui fit, dans une ville rendue par capitulation, un des plus
grands malheurs du siècle. Il y avait à Carthagène d'énormes
masses d'or qu'on devait partager avec les flibustiers. Mais Pointis
vola les voleurs, enleva les lingots en mer. Les flibustiers, exaspérés,
se vengèrent sur la pauvre ville, renouvelèrent plus cruellement les
horreurs d'Heidelberg, et firent subir aux femmes la plus infâme
exécution.

Ce honteux et barbare succès ne relevait pas nos affaires. Il fallut se

soumettre à avaler l'amère pilule, reconnaître Guillaume, promettre
de ne plus le troubler dans la possession de ses trois royaumes, de
n'aider plus ses ennemis ni les conspirateurs (1698).

Il fallut rendre tout ce qu'on avait pris depuis le traité de Nimègue

(1678) et restituer tous les vols. L'Empire encore cette fois perdit
seul; on garda l'Alsace.

La question n'était pas moins tranchée et sur terre et sur mer, par la
Hogue et Namur, contre la France et le catholicisme. L'Angleterre se
sentit le pilote des affaires humaines, et se dit: Rule! Britannia!
 CHAPITRE VIII
MISÈRE—DISSOLUTION—LIBERTINS—QUIÉTISTES—ESSOR

DU SACRÉ-CŒUR

1696-1700

La France, par moments, a de nobles réveils; elle se souvient alors

des grands hommes et des grandes choses. La mémoire lui revient,
et son âme est hantée d'illustres revenants qui, dans leur temps,
furent cette âme elle-même. Qu'un de ces moments vienne!
puissions-nous voir, sur le pont de Rouen, vis-à-vis de Corneille, la
statue d'un grand citoyen, qui, cent années avant 89, fit partir de
Rouen la voix première de la Révolution, avec autant de force et plus
de gravité que ne fit plus tard Mirabeau.

Cet homme, courageux entre tous, était juge au bailliage de

Normandie (petit tribunal de première instance); il s'appelait Pesant
de Boisguilbert. Son admirable livre, le Réveil de la France, précéda
de dix ans la Dîme royale de Vauban et les secrets mémoires que
Fénelon envoyait de Cambrai à Versailles.

Sa supériorité sur eux est de deux sortes: l'audace de l'initiative,

l'originalité des vues.

Nous ne voulons rien ôter à Vauban ni à Fénelon. Mais cependant

que risquaient-ils? Vauban, un maréchal, sacré par nos victoires, par
tant de siéges heureux qui avaient fait la victoire du roi, Vauban,
bouclier de la France, et, comme tel, inviolable, propose dans sa
Dîme une réforme aussi timide qu'elle est impraticable, de lever
l'impôt en nature. Il s'adresse au roi et à la noblesse, promet à celle-
ci de la relever, de lui rendre de grands avantages. (Voir la collection
de ses mém. à la Bibliothèque.)

Fénelon, à l'époque de sa grande faveur près de madame de

Maintenon, vers 1693, lorsqu'elle le pria de lui dire à elle-même ses
propres défauts, fit dans la même forme (et certainement à sa
prière) une lettre au roi sur ses défauts, sur ceux de son
gouvernement. Madame de Maintenon parle de cette lettre (en 95 à
Noailles, v. Rulhières), mais elle ne dit point du tout que la lettre fut
montrée au roi. Il faudrait ignorer la cour et sa situation, toute
l'histoire du temps, ignorer la timidité de madame de Maintenon,
ignorer l'orgueil irritable du roi, pour croire qu'elle hasarda d'envoyer
une telle lettre anonyme à son adresse. L'auteur, trouvé bien vite par
les limiers de la police, eût été droit à la Bastille. Ce fut évidemment
une chose confidentielle, un amusement entre elle, Fénelon, les ducs
et duchesses de Beauvilliers et de Chevreuse. Les filles du roi
écrivaient contre lui des lettres et des chansons. Le petit groupe
quiétiste put faire contre lui des mémoires.

Plus tard, Fénelon, archevêque de Cambrai, prince d'Empire, exilé

dans son diocèse, ne pouvant rien craindre de plus, n'ayant rien à
faire qu'à attendre la mort du roi et l'avénement de son élève, put
être hardi tout à son aise. Le Télémaque, publié en 1700 (contre sa
volonté, dit-on), lui avait aliéné le roi pour toujours. La glace ainsi
cassée décidément, il put écrire et envoyer aux ducs de Beauvilliers
et de Chevreuse des mémoires sur la situation de la France. Ces
très-prudents, très-timides amis, lisaient cela au duc de Bourgogne,
mais auprès du roi n'en usaient (s'ils en usèrent jamais) qu'avec
d'infinis ménagements. Dans ces mémoires, que voulait Fénelon?
Soulager le peuple en relevant la noblesse, faire le traité des
moutons et des loups. Il voulait, dans le Télémaque, pacifier la
société en l'immobilisant en castes invariables, dont chacune
porterait tel habit. Salente est copié sur le pensionnat de Saint-Cyr.
Tout cela fut écrit visiblement pour une petite société de grands
seigneurs. Fénelon en est de naissance; c'est à la noblesse qu'il
parle.

Avec plus de douceur et de désintéressement, ses idées diffèrent

peu de celles de Saint-Simon et de Boulainvilliers.

Boisguilbert parle au peuple, à tous. C'est sa première et redoutable

originalité. Pour la réforme, il attend peu d'en haut.

Il pose cette réforme dans une grande simplicité: «La permission

pour le peuple de labourer, de commercer,» de vivre, d'échapper aux
cent mille liens créés, pour la plupart, par la bureaucratie, la
réglementation infinie de Colbert, tellement aggravée encore depuis
sa mort.

D'où viennent tous les maux de la France?

1o On ne consomme plus, on ne peut consommer. L'impôt, la rente,

absorbent tout. L'impôt est proportionnel en sens inverse. Une ferme
de quatre mille livres de rente paye dix écus; une de quatre cents
livres paye cent écus. La première, dix fois plus forte, paye dix fois
moins; donc, au total, le riche paye cent fois moins que le pauvre.

2o On ne circule plus. Les aides et les douanes empêchent le

transport. Les denrées pourrissent et périssent. Le droit sur le détail
est tel qu'un sou de vin se vend vingt sous. Les commis, maîtres des
auberges qui sont sous leur terreur, se chargent de leur vendre du
vin. Ils tuent toutes celles des campagnes. On fait huit lieues sans
boire, sans trouver un abri.

À qui la faute? Là, l'auteur montre un grand courage. La faute? aux

financiers, aux traitants, qui ruinent le pays pour leur profit, non
pour l'État. Et, derrière les traitants, il voit la main des princes, qui
partagent avec eux. Plus loin encore, en remontant dans le passé, il
voit l'Église. Elle s'est fait donner le domaine royal, qui jadis
dispensait d'impôt. Elle a enlevé la dîme au roi, qui, à la place, a mis
la taille.

Ainsi «les biens du peuple ont été saisis.»—Qui dit cela? Le peuple
même. «Dans ces mémoires, quinze millions d'hommes parlent
contre trois cents personnes qui s'enrichissent de leur ruine.»

Terrible et menaçante désignation, qui, en face de la nation, montre

le gouffre: les princes, hauts seigneurs et traitants, qui ensemble
dévorent toute la substance publique.

Le principal remède, selon lui, c'est de rendre la taille générale, de

tailler tout, princes, nobles et clergé, d'y joindre un impôt uniforme
par feu, de supprimer les aides, les douanes intérieures, de rendre le
mouvement au pays, à la France le droit de commercer avec la
France.

Remède insuffisant, comme on l'a dit. On lui reproche aussi, avec

raison, de s'exagérer le passé, d'y placer je ne sais quel paradis qui
ne fut jamais. Il est trop dur, injuste pour Colbert, ne tient pas
compte de la fatalité qui a pesé sur lui, l'a fait agir contre ses idées
propres.

Avec tous ces défauts, c'est encore Boisguilbert qui donne la plus
précieuse lumière sur ce passé. Nous lui devons d'avoir marqué le
point précis de la révolution qui, au milieu du siècle, fit passer la
propriété des mains des travailleurs aux mains improductives. Sous
la terrible administration de Mazarin, surtout de 1648 à 1651,
pendant la Fronde, la taille fut doublée par l'État. Et cet État,
d'ailleurs, ne maintenant aucun ordre public, les riches, les notables,
firent en famille, à leur profit, d'inégales et d'injustes répartitions de
l'impôt. Les petits propriétaires, nés sous Sully et Richelieu, furent
écrasés, et se hâtèrent de vendre à vil prix aux seigneurs de
paroisse.

Grande et cruelle révolution. Les seigneurs ne restèrent pas là pour

profiter de ces terres achetées. Ils vinrent à la cour tant qu'ils
purent, et pendant qu'ils s'y ruinaient, leur intendant, pressurant le
fermier, rendant le travail misérable, les ruinait d'une autre façon.
Les nobles, tant favorisés, ne vivotaient pourtant qu'en empruntant.
Cela fut dévoilé quand ils demandèrent et obtinrent du roi qu'on
laisserait leurs emprunts inconnus, qu'on supprimerait la publicité
des hypothèques, établie par Colbert. Mais qui pouvait avoir le
courage de leur prêter? Leur intendant, qui seul savait au vrai ce
qu'ils avaient encore, et qui ne prêtait qu'à coup sûr sur ces biens
que lui-même avait dans les mains. C'est la principale origine des
traitants, des Boisfranc, Crozat, Bechameil, et autres, qui traitèrent
dans l'impôt, dans les fermes royales, et ruinèrent l'État, comme ils
avaient ruiné leurs maîtres.

«Mais ces traitants, devenus seigneurs, propriétaires de terre, ils

avaient des fermiers qui la leur labouraient. Pourquoi est-elle
improductive?» Les nouveaux maîtres sont absents, comme l'ont été
les vrais seigneurs. De cette terre qu'ils n'ont vue jamais, ils tirent
beaucoup. Elle est deux fois mangée par la rente et l'impôt. Les
bestiaux disparaissent, et avec eux l'engrais et la fécondité. Enfin,
sur cette agriculture éreintée, comme la bête agonisante au combat
de taureaux, arrive le matador, le tueur; c'est l'Enregistrement. Dans
l'intérêt fiscal, il veut des mutations fréquentes, et défend les baux à
longs termes, qui auraient pu encore intéresser le fermier à la terre
et perpétuer la culture!

«Et le noble, que deviendra-t-il?» C'est ce grand peuple en guenilles

élégantes, qui pique les assiettes des seigneurs, qui mendie une
place dans les bureaux de Pontchartrain, de Barbezieux ou de Torcy.
«Pour travailler?» Fi donc! Pour se vouer au plus profond repos. Le
commis-noble a le mépris, l'horreur du travail, à ce point que tout se
paralyse. À la mort du grand roi, on trouva à la Bastille un homme
qui depuis trente-cinq ans y était sans savoir pourquoi. C'était une
méprise; on l'avait mis là pour un autre, et, dans ces trente-cinq ans,
on n'avait pas eu le temps de chercher son dossier.
Des professions nouvelles commencent pour la noblesse.
D'innombrables tripots, aux tournois de leurs tapis verts, voient
jouter la chevalerie nouvelle; un mot a enrichi la langue: chevalier
d'industrie. Pour toute industrie, d'autres n'ont que leur élégance,
une figure de fille effrontée.

Dans la collection des modes de Bonnard, regardez ce joli jeune

homme qui, adossé aux piliers de la scène, dans une gracieuse pose,
éclipse les acteurs. Ce garçon avisé fait déjà le commerce que fera
demain Richelieu, héros du genre, qui, de chaque maîtresse, prendra
au moins douze louis.

Ce qui, sous Henri III et du temps du père de Condé, de Mazarin,

etc., s'appelait les mœurs italiennes; ce qu'on notait alors comme
excentricité, devient fort ordinaire en France. Vers le milieu du siècle,
Monsieur, Choisy et autres, s'habillaient volontiers en femmes.
Burlesque carnaval de quelques jeunes fous, qui peut-être choquait
moins encore que l'habit d'homme efféminé qu'on porte
généralement aux temps de la vieillesse de Louis XIV. La parure
féminine, mouches et manchon, etc., mêlée au costume viril, est
l'enseigne dégradante et comme le drapeau d'un ambigu de vices
effrontément unis et étalés.

Même immoralité dans les modes de femmes. Les gravures très-

soignées de modes, étant la plupart des portraits de grandes dames
bien connues, sont significatives. Elles n'ont plus les beaux traits
classiques des Ninon et des Montespan, ni le riche épanouissement
qu'on montrait sans façon. Le diable n'y perd rien. Si l'on ne laisse
plus voir de dos, d'épaules, le peu qu'on montre et que l'on semble
offrir, n'est que plus provoquant. Le front tout découvert, les
cheveux relevés dont on voit toutes les racines, le très-haut peigne
ou bonnet diadème, ont une audace qui ne correspond guère à des
visages d'enfants à traits petits et mous. Cette enfance, si peu naïve,
avec la steinkerque masculine, leur donne l'air de mignons de sérail
ou de fripons de pages qui auraient volé des habits de femme. Telles
elles voulaient être, pour plaire à la dépravation.
À
À peine, aux premiers moments du mariage et pour avoir un héritier,
le mari se faisait l'effort de penser à sa femme. Les plus honteux
moyens pour créer sans désir devenaient nécessaires. Elles-mêmes
avouaient avec simplicité cette chose humiliante, que l'infamie d'un
tiers pouvait seule ranimer ces morts. Ce qu'avouait madame
d'Elbeuf dépasse tout Suétone. Et Saint-Simon en rit, la chose
évidemment n'étant rare ni mystérieuse.

Tout cela, chaque semaine, allait au confessionnal. On n'en

épargnait pas la moindre chose au prêtre. Le pénitent malicieux ne
lui faisait pas grâce. À lui de blanchir tout. Les Jésuites, en
particulier, ne gardaient leur crédit qu'à la condition de laisser faire.
Leur discussion avec leur général, leurs divisions, leurs reculades en
97, les achevaient. Ils lâchaient tout, acceptaient tout. D'autant plus
on allait à eux, mais comme on va à la borne banale du carrefour,
constamment hantée des passants. Les résultats témoignent qu'ils
étaient arrivés aux derniers avilissements de l'indulgence. Les plus
dévots ménages, confessés chaque jour, sont stériles ou presque
stériles. La femme, ayant mari, amants, ne craint plus les
grossesses. Le triste art d'éluder l'amour, le plaisir égoïste, que
Liguori consacrera plus tard, triomphe ici déjà. Le libertinage,
permis, devient plus froid que la vertu. On le subit, on le méprise.
Madame la duchesse put avoir un amant pour faire enrager son
mari: ses goûts étaient ailleurs; la rieuse Caylus la désennuyait de
Conti.

Le roi ignorait-il l'état réel des mœurs? Point du tout; il fermait les
yeux. Pour les prêtres surtout, il était indulgent, pour ne pas faire de
bruit. Un évêque, exilé pour ses dérèglements, a avec lui un
compagnon étrange, un homme-femme (femme déguisée). Il se
démet, cela suffit; le roi lui écrit même «qu'il le verra avec plaisir.»
(Corresp. adm., IV, 195, 233.) Même indulgence dans une chose plus
forte. Un jeune cocher accuse certain abbé, très-coutumier du fait.
Et l'abbé en est quitte pour se retirer chez lui; le roi lui fait dire d'y
rester; c'est toute la punition. (Ibid., 298, note.) Plus tard, les
prêtres de ce genre furent si nombreux, si effrontés, que le roi fut
forcé d'en mettre bon nombre à Bicêtre pour une courte correction.
Mais comment atteindre et punir un vice universel, découvert dans
les prêtres, couvert dans la famille? Tout cela est abandonné au seul
tribunal de l'Église, au confessionnal, à la plus complète indulgence.

La gravité du roi, la décence de madame de Maintenon, imposaient

cependant. Quel était leur propre intérieur? L'important médaillon de
cire, que très-heureusement M. Soulié a retrouvé (Versailles), donne
là-dessus des idées étranges. Il porte la trace parlante des basses
sensualités du temps. Il y a de l'endurcissement, mais il y a surtout
une certaine détente morale. Ces joues, ces lippes épaissies,
n'expriment que trop bien un pesant amour de la chair, qui doit
exiger plus qu'au temps de la jeunesse.

Le précieux journal des médecins du roi indique que, depuis la fistule

(de 1687 à 1700), sauf de légers accès de goutte, il était raffermi.
Mais son médecin Daquin, uniquement occupé à faire face à ses
excès de table, l'avait longtemps purgé, ce qui devait le tenir faible.
Madame de Maintenon, attentive, commença, en 92, à faire sous
main prévaloir les conseils d'un homme d'esprit, Fagon, le médecin
des enfants de France, qui l'avait aidée à faire vivre le duc du Maine.
Fagon, très-sagement, substitua le bourgogne au Champagne que
buvait le roi, essaya clandestinement le kinkina et le cavé (sic). Il
supplanta Daquin (nov. 93). Il remonta le roi. Seulement, dans sa
grasse vie de viandes et de vins, la matérialité débordante qui en
résultait dut prendre, malgré l'âge, les tendances bassement
charnelles dont témoigne le médaillon. Une vie plus variée l'en avait
préservé. Mais alors la concentration dans un cercle étroit
d'habitudes, une vie calfeutrée, pour tant de longues heures, dans
l'arrière-chambre sans fenêtres de Fontainebleau, l'arrière-cabinet
noir (nommé oratoire) de Versailles, le matérialisaient encore. Au
médaillon, pour parler franchement, le porc domine, bien plus, le
porc sauvage.

On plaint madame de Maintenon. Elle eut certes à pâtir. Elle

échappait des heures à Saint-Cyr tant qu'elle pouvait. Cette sobre
personne, qui ne but jamais que de l'eau, froide de tempérament et
d'âge, dans sa sèche vieillesse, endurait le contraste d'une vieillesse
toute charnelle. La lourdeur autrichienne avait reparu chez le roi.
Fixé par sa conversion et tenace de nature, il accablait de sa fidélité
madame de Maintenon et le P. La Chaise. Saint-Simon donne le
martyre du dernier, mais il ne l'explique pas. Un homme qui
entendait chaque jour de la bouche du roi, outre les secrets
politiques, d'autres plus tristes encore, ces misères de nature qu'on
se cache à soi-même, un tel homme, dis-je, était un prisonnier
d'État à perpétuité. Le roi ne le lâcha jamais, et pas même mourant.
Il s'acharnait à ce cadavre. Il était mort déjà, que le roi le forçait
encore à l'écouter, et à l'absoudre.

Quel que fût l'intérieur du roi, il est certain que sa décence contenait
quelque peu la débâcle des mœurs, à la cour, dans l'Église.
L'honneur de celle-ci surtout était son inquiétude. N'ayant plus rien à
demander contre les protestants, elle n'avait plus rien à faire; en
tuant, elle s'était tuée. Nulle pensée, et dès lors, une grande
dissolution. Les Assemblées du clergé étaient mortes. Elles ne se
faisaient que pour voter le don gratuit. Elles n'auraient su faire autre
chose. Les députés, prélats souvent imberbes, étaient des fils de
ministres ou de grands seigneurs favoris. Les vieux évêques, Cosnac
et autres, en étaient indignés. Un de ces prélats-enfants, Croissy-
Colbert, avait quinze ans à peine. Son précepteur le menait, le
ramenait et le gardait à vue. Cosnac les rencontra à propos au
moment où le précepteur, irrité d'une escapade de Monseigneur,
sans son intervention, lui eût donné le fouet. (Mém. de l'abbé
Legendre.)

Une chose était trop évidente. Le catholicisme fondait, s'écroulait. Il

n'était plus gardé que par le roi.

Deux forces, en apparence opposées, le mettaient à rien.

Les libertins, d'une part, mêlaient une liberté de mœurs

abandonnée, honteuse, à quelques lueurs faibles de la liberté de
penser.

D'autre part, les mystiques, avec leur amour pur, faisaient du dogme
et des pratiques du sacrement une chose secondaire. Ils l'adoraient,
mais en le dépassant, et vivant au delà.

Chose bizarre, mais très-réelle, madame Guyon et Fénelon, à leur

insu, étaient alliés naturels des Chaulieu, des Vendôme, de l'effréné
monde du Temple. Ils allaient chacun par leur voie, à la dissolution
du christianisme même.

Un des convives du Temple, le cardinal de Bouillon, un des amants

de la reine des esprits forts, duchesse de Bouillon, souillé de vices
étranges qu'il ne cachait nullement, n'en fut pas moins ami des
quiétistes. Il se fit envoyer à Rome pour y défendre Fénelon.

C'est là évidemment ce qui frappa Bossuet. Les libertins, de plus en

plus nombreux (tout à l'heure philosophes), supprimaient le
christianisme. Les quiétistes le rendaient inutile. Comment? En
l'épuisant dans ce qu'il a de plus intime, donnant à tous sa
dangereuse essence, son absorption de l'homme en Dieu.

Ce qui est dur à dire, et pourtant vrai, c'est que dans la fluctuation
morale du temps, madame Guyon, avec sa pureté angélique, était
plus dangereuse que le libertinage des esprits forts. Pourquoi? Parce
que ceux-ci, dans leur corruption même, faisant appel à la raison
active, poussaient aux énergies nouvelles, à la résurrection de la
pensée. Et elle, innocemment, par un sommeil d'enfance, elle
enfonçait les âmes dans l'impuissance radicale et dans la mort
définitive.

Elle allait à l'aveugle, voyait sans voir. Chose bizarre: elle avait très-
bien observé comment on abusait de la direction pour corrompre les
religieuses, et elle ne voyait nullement que sa spiritualité amoureuse
pouvait devenir l'auxiliaire le plus puissant de ces abus. À part
l'imprévoyance et l'invincible aveuglement, elle fut admirable. On la
mêle dans cette affaire beaucoup trop avec Fénelon. Leur doctrine
ne fut pas la même. Leurs conduites furent toutes contraires.

Elle montra un abandon, une douceur, une docilité extrêmes. Elle se

remit sans réserve à Bossuet, communia de sa main; elle alla
s'établir à Meaux, au couvent qu'il lui désigna, promit de ne plus
écrire, de ne plus parler, et elle eût tenu parole si les partisans de
Bossuet n'eussent cruellement abusé de son silence.

Toute autre en cette affaire fut la diplomatie de Fénelon: habile,

ingénieuse et subtile. On sent que toutes ses démarches furent
délibérées, calculées dans le cénacle des saints et saintes qui avaient
pour suprême vœu de le garder à Paris, à la cour, de l'y faire tout-
puissant, inattaquable, comme archevêque de Paris. On ne pouvait
réussir malgré Bossuet. M. de Chevreuse, l'ordinaire messager de la
petite Église, alla lui dire que tout lui était remis dans les mains.
Fénelon, pour mieux le gagner, s'engagea à l'excès, se soumettant
docilement «et comme un petit écolier» à ce que Bossuet déciderait.
Il acceptait la chance étrange de renier ce qu'il croyait la vérité.

La décision définitive fut remise par le roi à trois personnes: Bossuet,

Noailles, évêque de Châlons, allié de madame de Maintenon, et à M.
Tronson, supérieur de Saint-Sulpice, ami de Fénelon. La soumission
de celui-ci rendait ces commissaires fort modérés. Bossuet avoua
que l'Église n'avait jamais condamné en lui-même l'amour pur,
désintéressé. Cela donnait espoir pour l'archevêché de Paris
(qu'Harlay, malade, allait rendre vacant). Mais dans l'ombre veillait
l'homme que Fénelon avait déjà rencontré à Saint-Cyr sur son
chemin, Godet, l'évêque de Chartres. Il était directeur de madame
de Maintenon. Il la trouvait plus froide pour Fénelon, surtout
craintive et incapable de contrarier le roi, antipathique au quiétisme.
En février 95, quand on croyait avoir vaincu, tenir le siége de Paris,
la foudre tonne; le roi a promu Fénelon à l'archevêché de Cambrai!
Haute fortune, une principauté, mais principauté dans l'exil!

À
Tant d'adresse fut donc inutile! L'affaire si bien menée échoua. À vrai
dire, Godet n'eut pas grand mal. Cet arrangement donnait le siége
de Paris à M. de Noailles, dont le neveu épousait une nièce de
madame de Maintenon.

Fénelon perdait à la fois et son élève, le duc de Bourgogne, et ses

amis dévoués; les duchesses, leurs pieux maris. Toutes pleurèrent,
une en fut alitée.

Fénelon signa (le 10 mars) les articles arrêtés à Issy par les
commissaires. De partie on le faisait juge, mais pour qu'il se frappât
lui-même. On lui faisait signer avec ses juges l'instruction qui
condamnait en partie son credo intérieur. Il avala cela, et, en signe
d'unité parfaite avec ses adversaires, le 10 juin, il fut sacré (pour
l'exil et pour la disgrâce) par Bossuet, assisté de l'évêque de
Chartres. Celui-ci eut victoire complète et vit Fénelon à ses pieds.

Cependant le roi était vieux et son petit-fils jeune. Fénelon devait

croire qu'il avait pour lui l'avenir. En 95 et 96, il montra une prudence
infinie, excessive. Il écrivit des choses dures sur madame Guyon, fit
très-bon marché d'elle. La pauvre femme, dans son couvent de
Meaux, quoiqu'on eût reconnu son innocence, était âprement
insultée, calomniée. On diffamait ses mœurs. Elle fit un tout petit
mensonge, obtint de son tyran la permission d'aller aux eaux, et vint
se cacher à Paris chez ses amis et défenseurs. Le roi, sur la
demande de Bossuet, lâcha contre elle la meute de police. On eut
l'indignité d'employer ce Desgrais, l'horrible agent qui prit La
Brinvilliers, en lui faisant l'amour. Le lieutenant La Reynie, habitué à
interroger les assassins et le voleur, s'ingénia à la surprendre, cette
innocente, cette sainte, en ses paroles. Il la tint trois ans sous sa
main enfermée à Paris. En 98, n'en tirant rien que l'amour pur de
Dieu, il l'envoya à la Bastille et à Vincennes. Elle y resta quatre ans,
heureuse de souffrir et de pouvoir se dire en mauvais vers qui ne
sont pas sans charmes:

Mon cœur n'aurait connu Vincennes ni souffrance,

S'il n'eût connu le pur amour!
Que faisait Fénelon pour elle? Il offre d'en tirer une rétractation,
mais proteste qu'il ne demande pas qu'elle sorte de prison: «Je suis
content qu'elle y meure, que nous ne la voyions jamais et que nous
n'entendions plus parler d'elle.» (Beausset, II, 328-336.) Et ailleurs:
«S'il est vrai que cette femme ait voulu établir ce système damnable
(de Molinos), il faudrait la brûler, au lieu de la communier, comme l'a
fait M. de Meaux.» (Maintenon, III, 248.)

Bossuet voulait le faire aller plus loin, lui faire condamner, comme
archevêque, le livre dogmatique où il prétendait distinguer entre la
vraie et la fausse spiritualité. Fénelon gagna les devants, et très-
secrètement écrivit, imprima son Explication des Maximes des saints.

Il triomphe à son aise quand il rappelle historiquement la longue

tradition des mystiques, acceptés, loués de l'Église; mais beaucoup
moins, quand il essaye de ramener cette ivresse du cœur à une
sagesse relative, de mettre la raison dans les folies de l'amour, de
délirer avec méthode et jusqu'à certain point. Avec quelques
ménagements pour échapper dans le détail, il prend de tout cela
justement le plus dangereux, avouant que la transformation de l'âme
est justement l'état le plus passif, recommandant la plus profonde
mort comme l'état le plus élevé.

Par le côté essentiel, il est bien inférieur à madame Guyon. Il

n'emprunte rien d'elle qu'en lui ôtant ce qui est tout en elle, la
liberté charmante de l'âme solitaire. Il subordonne tout au directeur,
et y renvoie sans cesse. Toujours le prêtre, partout le prêtre. C'est
comme dans les lettres de madame de Maintenon (sur l'éducation);
en toute chose il faut consulter. On ne peut pas marcher. Il faut des
lisières, des béquilles.

Madame Guyon a beau être absurde ou puérile, elle a des ailes, un

souffle. Même dans ses peintures terribles de la mort mystique, on
sent que la morte est vivante. Elle est en terre, mais à ciel
découvert, tout au contraire de Molinos. Chez lui, elle est scellée
sous la pierre funéraire, sous la pesante direction. C'est là
précisément ce que pourtant Fénelon rétablit. Ce côté étouffant et
dangereux du quiétisme qui avait éclaté pourtant par des scandales,
c'était le côté cher aux prêtres, même étrangers au quiétisme. Les
jésuites et le pape étaient peu inquiets du fond de la doctrine,
pourvu que la confession fût souveraine et la direction absolue.

Jamais Bossuet et Fénelon ne déployèrent plus de talent. Mais, au

point de vue moral, la lutte fut moins glorieuse, Bossuet montra
infiniment de violence, et nulle délicatesse sur le choix des moyens
de vaincre. Il tronqua des passages (voir Beausset), abusa de lettres
confidentielles. D'autre part, Fénelon usa d'un stratagème, d'une
ruse qu'une femme, ou un prêtre, pouvait seul imaginer; ce fut
d'adresser à Bossuet une sorte de confession, qui, s'il l'eût acceptée,
le liait, et, comme confesseur, l'obligeait au silence.

Tous deux, dans cette affaire, s'appuyaient du pouvoir royal. Bossuet

directement dénonça l'affaire à Louis XIV, le poussa et le fit agir.
Fénelon indirectement avait l'appui du roi d'Espagne, Charles II, qui
justement sollicitait à Rome la canonisation d'une Guyon espagnole,
sœur Marie d'Agreda. Cette béate avait été correspondante et
conseillère du roi Philippe IV, et, à ce titre, vénérée par Charles II,
son fils. Fénelon, obtenant de faire juger son livre à Rome, mettait le
pape dans un grand embarras.

On comprend l'irritation de Louis XIV. Sorti de sa maison, et fait par

lui la veille archevêque de Cambrai (ville espagnole encore et
récemment conquise), Fénelon se trouvait marcher à peu près dans
la voie des mystiques espagnols que soutenait Charles II. Cambrai
n'était nullement une prélature ordinaire; l'archevêque était prince,
et avait gardé sa justice à côté de celle du roi. Qu'arriverait-il, si
cette importante ville frontière était assiégée, et que son prince
évêque eût affaire à ces Espagnols avec qui il était d'accord dans un
point si grave de foi?

Fénelon était soutenu par d'autres alliés encore, les ordres

monastiques. Le grand ordre populaire de saint François, les
Cordeliers, plaidaient à Rome pour leur sainte, Marie d'Agreda, et
pour le quiétisme. Les Jésuites, qui voyaient ces doctrines si
puissantes en Espagne, en Italie, dans tous les couvents catholiques,
ne leur étaient nullement ennemis en France et favorisaient Fénelon.

L'ordre était bien malade, en parfaite débâcle morale. Démenti et

déconsidéré, en sa mission, avili en Europe, au confessionnal, par
ses pénitents mêmes, il subissait à Rome une violente révolution. Un
nouveau général, l'Espagnol Gonzalès, voyant ce corps périr,
s'enfoncer dans la boue, avait imaginé l'emploi d'un remède
héroïque, de passer tout à coup de l'indulgence à la sévérité,
d'interdire le probabilisme. Brusque revirement, impossible en
pratique. Comment changer tous les confessionnaux, interdire
aujourd'hui ce que l'on permettait hier?

Cela rompit partout l'unité de l'ordre. Les divisions cachées

apparurent. Paris vit avec étonnement Jésuites contre Jésuites. Les
Jésuites enseignants du grand collége (rue Saint-Jacques), et la
majorité de l'ordre, en tête le P. La Chaise, étaient pour Fénelon, le
quiétisme, la doctrine espagnole. Les Jésuites prédicateurs ou
confesseurs de la rue Saint-Antoine, Bourdaloue et La Rue, etc.,
furent contre Fénelon, pour le roi et la cour, pour la doctrine
française. S'ils n'eussent suivi le roi, ils perdaient tous leurs
pénitents.

En juillet, août 97, le roi se porte à Rome accusateur de Fénelon,

défend à celui-ci d'aller se défendre, et lui ordonne de rester à
Cambrai. Le pape espère gagner du temps. Depuis cinq ans, il
amusait l'Espagne par l'examen interminable de Marie d'Agreda. Il
comptait amuser la France. Le 12 octobre 97, il nomme une
commission pour Fénelon, laquelle, toute une année, reste en
suspens, ne résout rien, et n'obtient nulle majorité: toujours six
contre six.

Le P. La Chaise, par une lettre hardie, faisait entendre à Rome que le

roi ne tenait pas à la condamnation. Le roi le sut et lui lava la tête.
Les Jésuites, effrayés, firent le plongeon. Lorsqu'on doutait encore
du parti qu'ils prendraient, leur P. La Rue, en chaire devant le roi,
invectiva contre le quiétisme.

Le roi montra à Rome la même hauteur impérieuse que pour la

condamnation de Molinos. Il ne s'arrêta pas à la longue comédie qui
voulait lui donner le change. Il insista, il menaça. Le pape, poussé au
pied du mur, condamna plusieurs propositions tirées des Maximes
des saints. Coup cruel à l'Espagne, à Charles II, dont la sainte était
frappée du même coup. Un mois avant cette condamnation de
Rome, Fénelon à Cambrai avait déclaré sa soumission. Elle fut son
triomphe. Il gardait avec lui tout le grand Midi catholique, et Rome
même, qui n'avait agi que sous la pression de la France (1699).

Toute théologie était finie. Bossuet meurt peu après dans le silence
et le désert. Il travaille, et il parle encore, mais personne n'écoute
plus. Le jansénisme, épouvantail du roi, dans sa faible résurrection,
ne dût son pâle éclat qu'à la persécution cruelle qui s'acharna aux os
des morts, ruina Port-Royal. Mais il l'était déjà.

Le grand mouvement désormais était hors du quiétisme, hors du

jansénisme. Tout cela était trop raffiné. Un pesant matérialisme
remplaça les disputes. C'était la tendance invincible. Bossuet même,
le meilleur de tous, dans ses lettres à la Cornuau, n'hésite pas à user
de la très-charnelle poésie du Cantique des cantiques. Son serviteur
et panégyriste, l'abbé Le Dieu, remarque que, dans ses Sermons,
dans ses Heures, dans son Catéchisme, il dit en parlant de
l'Eucharistie: «L'union corps à corps et esprit à esprit.» Les libertins,
dit Le Dieu, n'y voyaient autre chose que ipsa copula, la plus
sensuelle union (II, 308, 17 nov. 1705).

Ces tendances matérielles trouvèrent prise dans l'équivoque du

Sacré-Cœur, du Cœur sanglant, du Précieux Sang et des Cinq plaies
sanglantes.
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

textbookfull.com