Foro - Perl en Español

por **etsiano** » 2012-09-04 10:20 @472

Buenas, amigos.

Necesito ayuda. Tengo un texto en txt. que lo abro y lo proceso. Y necesito extraer:

* cualquier fecha que exista en el artículo ( ejemplo: 4 SEP 2012 ) y resaltarla con asteriscos, o sea: **** 4 SEP 2012*****

* extraer cada frase del texto por separado

En resumen, ¿alguien sabe qué dos expresiones regulares puedo usar para:
1) extraer la fecha
2) extraer cada frase separada por un punto

¡Gracias!

Bienvenido a los foros de Perl en Español, etsiano.

Para el primer caso te vale con s/(\d{1,2} \w{3} \d{4})/**** $1 ****/g, siempre y cuando los nombres de los meses siempre tengan 3 letras.

Para el segundo caso, es más complicado, ya que en español las frases pueden acabar no solo en punto.

Suponiendo que estamos en el caso sencillo (todas las frases acaban en punto, seguido por uno o más espacios en blanco, o el final del texto), quedaría algo así (probado):

Sintáxis: [ Descargar ] [ Ocultar ]

Using perl Syntax Highlighting

#!/usr/bin/env perl
use v5.14;
use File::Slurp;
 
my $texto = read_file('./texto');
 
while ($texto =~ m/(.+?[.])(?:\s+|\z)/sg) {
    say "[$1]";
}
 
__END__
Coloreado en 0.003 segundos,  usando GeSHi 1.0.8.4

La expresión regular (=~) busca (m//) en el $texto, de forma repetida (/g), un patrón que consiste en uno o más caracteres cualesquiera hasta justo antes del primer '.', y que son guardados en $1 ((.+?[.])) y que a la vez estén seguidos por uno o más caracteres espacio o el final del texto ((?:\s+|\z)), sabiendo que el texto se compone de múltiples líneas pero que trataremos como si fueran una sola (/s).

Más información en tu propio ordenador en perldoc perlre, y en la Web (traducido).

por **etsiano** » 2012-09-04 11:07 @505

Estoy trabajando con este artículo. ¿Podría probar que por cada punto que aparezca en el texto, se tiene una frase?

Este es mi código:

Sintáxis: [ Descargar ] [ Ocultar ]

Using perl Syntax Highlighting

# Abro el fichero (codificación utf8) y guardo el contenido en @palabras
open( F, "C:/articulo.txt" );
my @articulo = <F>;
close(F);
 
$mycount = 0;
while (@articulo) {
    $iterador = shift @articulo;
    chomp $iterador;
    if ( $iterador =~ s/(\d{1,2} \w{3} \d{4})/**** $1 ****/g ) {
        $mycount = $mycount + 1;
        print( $mycount. ":  $iterador \n" );
    }
    else {
        $mycount = $mycount + 1;
        print( $mycount. ":  $iterador \n" );
    }
 
}
Coloreado en 0.003 segundos,  usando GeSHi 1.0.8.4

por **explorer** » 2012-09-04 17:21 @764

Si el texto está en utf8, ¿dónde le dices a Perl que es así?
Si no le dices nada, Perl creerá que está en iso-8859-1, un simple flujo de bytes.
Debes modificar el open(), o insertar la línea

binmode F, ':utf8';

entre la 2 y 3.

Las líneas 7 y 8 es mejor escribirlas así:

Sintáxis: [ Descargar ] [ Ocultar ]

Using perl Syntax Highlighting

for $iterador (@articulo) {
 
Coloreado en 0.001 segundos,  usando GeSHi 1.0.8.4

Estoy seguro que el if() de la línea 10 en realidad debería ser un while(), y que toda la parte else{}, sobra.

Foro - Perl en Español

Extraer fecha y resaltarla

Extraer fecha y resaltarla

Publicidad

Re: Extraer fecha y resaltarla

Re: Extraer fecha y resaltarla

Re: Extraer fecha y resaltarla

¿Quién está conectado?