Foro - Perl en Español

por **ana gonzález ledesma** » 2007-11-02 11:53 @537

Hola, escribo para pedir una guía en la documentación que debo buscar para aprender a hacer un programa que me reconozca una lista de palabras en un texto y que una vez reconocidas les introduzca la etiqueta en XML.

Así por ejemplo tengo un archivo de texto y tengo otro archivo lleno de etiquetas del tipo:

Código: Seleccionar todo: <N genero=masculino>caso</N> <N genero=femenino>casa</N>

Lo que me gustaría es que cada vez que en el texto se encontrara la palabra "casa" que la sustituyera por <N genero=femenino>casa</N>, y así sucesivamente con todo el archivo de etiquetas.

El problema que tengo es que del archivo de etiquetas me interesa por una parte "caso" y "casa" porque los necesito para buscar estas palabras en mis textos pero luego a su vez también necesito toda la etiqueta para sustituirla por la palabra "caso" cuando la encuentre en el texto.

En fin, seguro que es un problema muy común y ¿me podéis recomendar un manual donde se hable de estos problemas?

Las etiquetas no siguen la regla de ficheros XML bien formados: los atributos deben tener sus valores entrecomillados. ¿Seguro que el archivo de etiquetas es un XML?

El cuanto al problema, se divide en varios más pequeños: leer un fichero XML, leer el fichero de texto, hacer los cambios, y grabar el resultado.

Este es uno de esos problemas de 'filtrado' de ficheros, cuya estructura es casi siempre la misma: un bucle por todo el fichero, línea a línea, modificándola con las expresiones regulares o transformaciones que queremos hacer, y grabando el resultado antes de pasar a la siguiente línea.

En este caso, yo lo haría al revés: leería todo el texto en una sola variable escalar y luego el bucle lo haría sobre las etiquetas, haciendo una sustitución (s///) en el texto, de cada palabra encontrada, por la etiqueta correspondiente.

por **Jenda** » 2007-11-03 06:44 @322

Me parece mejor procesar el fichero línea a línea. De primero, leer el XML y producir un hash y después leer el fichero, línea a línea, buscar palabras y por cada palabra ver si está en el hash y si está sustituir por este trozo de XML. Algo así:

Sintáxis: [ Descargar ] [ Ocultar ]

Using perl Syntax Highlighting

use strict;
use warnings;
no warnings 'uninitialized';
use XML::Rules;

my$xml_fichero='...';
my$text_fichero='...';
my$fichero_nuevo='...';

my%hash;
my$parser= XML::Rules->new(

  rules =>[

        _default =>'',

        N =>sub{
$hash{$_[1]->{_content}}=$_[1]->{genero};
return;
}
]
);

$parser->parse($xml_fichero);

open IN,'<',$text_ficheroordieqq{No puedo leer de "$text_fichero":$^E\n};
open OUT,'>',$fichero_nuevoordieqq{No puedo crear "$fichero_nuevo":$^E\n};
while(<IN>){

        s<\b(\w+)\b><if (exists($hash{lc$1})){"<N genero=\"$hash{lc $1}\">$1</N>"}else{$1}>ge;
print OUT $_;
}
close IN;
close OUT;Coloreado en 0.003 segundos,  usando GeSHi 1.0.8.4

Con el XML::Rules extraes los géneros de las palabras y produces el hash así:

Código: Seleccionar todo: %hash = ( caso => 'masculino', casa => 'femenino', ... );

después en cada línea sustituyes cada palabra (\b significa el lugar entre una palabra y espacios o puntuación, \w es una letra y + significa "lo previsto una o más veces) por el XML o por sí mismo.

Foro - Perl en Español

Perl y XML

Perl y XML

Publicidad

Re: Perl y XML

¿Quién está conectado?