Foro - Perl en Español

por **cristobal** » 2006-11-10 08:08 @380

Se dispone de un archivo llamado palabras.dat que contiene palabras (no repetidas) en cada línea ordenadas alfabéticamente, luego un segundo archivo HTML llamado texto.html y se requiere contabilizar la cantidad de palabras que tiene este segundo archivo respecto del primero, sin considerar los TAG de HTML. Para ello se pide un script en Perl que entregue estos resultados.

Me gustaría ver si me pueden ayudar con este código. Saludos

Primero tienes que leer el fichero de palabras sueltas. En este foro hay docenas de ejemplos de cómo hacerlo. Las palabras las metes en un hash.

Luego tienes que leer el fichero HTML. Lo metes en una variable escalar. Y lo pasas por una expresión regular que quita todas las marcas del tipo '<lo_que_sea>'.

Luego, haces un bucle por todas las palabras del primer fichero y con grep sabes si están o no en el segundo fichero. Si sí está, incrementas en un el valor que almacena el hash.

Finalmente, haces otro bucle por todas las palabras sacando los valores almacenados, siempre que sean distintos de cero, claro.

por **cristobal** » 2006-11-10 10:03 @460

en el archivo palabras.dat estan ordenadas así

Código: Seleccionar todo: avion burro mama zapato

¡¡¡ aquí abro el fichero !!!

Sintáxis: [ Descargar ] [ Ocultar ]

Using perl Syntax Highlighting

#!/usr/bin/perl 
# Abrimos el fichero
open DAT,"<palabras.dat"ordie"No puedo abrir el texto.txt: $!\n";
@bloques=<DAT>;# Leemos todo el fichero, registro por registro
close DAT;Coloreado en 0.003 segundos,  usando GeSHi 1.0.8.4

¿Pero cómo meto las palabras en un hash?
Disculpa las preguntas. ¡A lo mejor son tan básicas pero soy nuevo en Perl!
¡Saludos!

por **explorer** » 2006-11-10 10:45 @489

Hay varias formas de hacerlo, leyendo directamente del fichero:

Sintáxis: [ Descargar ] [ Ocultar ]

Using perl Syntax Highlighting

while(<DAT>){$bloques{$_}=0;}
# o
@bloques=<DAT>;
@bloques{@bloques}=(0) x @bloques;
# o
%bloques=map{$_, 0 }<DAT>;Coloreado en 0.001 segundos,  usando GeSHi 1.0.8.4

y otras... Desde luego la preferida siempre es la más corta.

Foro - Perl en Español

Encontrar palabras en textos

Encontrar palabras en textos

Publicidad

¿Quién está conectado?