Поиск стоп-слов в текстовом файле

Langly · Сообщение **Langly** » Пн апр 06, 2009 15:51

Здравствуйте!
Исходные данные:
Есть список стоп-слов, более сотни.
Есть файл в котором забиты ссылки в HTML с анкорами, более 12000строк (1строка - 1 ссылка)
Задача:
Сравнение файлов и поиск стоп-слов из одного списка, в другом.

Просто чтобы выделил стоп-слова в списке ссылок.

Возможно такое или нет?
Перепробовал кучу софта, никак не могу найти ничего подходящего.
В принципе нужна обычная функция поиска слова, как во всех текстовых редакторах, только с возможностью искать не по 1-му слову, а "пачкой", штук 100 или 50 слов одновременно.
Спасибо.

[mod="CaptainFlint"]Тема перенесена в "Программное обеспечение".[/mod]

Rodny · Сообщение **Rodny** » Пн апр 06, 2009 16:20

Langly писал(а):В принципе нужна обычная функция поиска слова, как во всех текстовых редакторах, только с возможностью искать не по 1-му слову, а "пачкой", штук 100 или 50 слов одновременно.

Langly · Сообщение **Langly** » Пн апр 06, 2009 17:32

Rodny писал(а):
Langly писал(а):В принципе нужна обычная функция поиска слова, как во всех текстовых редакторах, только с возможностью искать не по 1-му слову, а "пачкой", штук 100 или 50 слов одновременно.
В большинстве приличных текстовых редакторах есть поиск с регулярными выражениями. Например, EmEditor, Notepad++ и т.п.

Пример запроса: слово1|слово2|слово3|слово4|...|слово50

Alextp · Сообщение **Alextp** » Пн апр 06, 2009 18:54

Видимо, поддержка regex в редакторе неполная.
можно попробовать LogViewer (ссылка в подписи): настроить подсветку этих слов, и смотреть файл.

Langly · Сообщение **Langly** » Пн апр 06, 2009 20:06

Alextp писал(а):Видимо, поддержка regex в редакторе неполная.
можно попробовать LogViewer (ссылка в подписи): настроить подсветку этих слов, и смотреть файл.

Нет. не идет...
Вбил для проверки
продажа диплом|купить диплом|покупка диплом

И вставил все три выражения в текст в разных местах.
Показал только :покупка диплом, самое последнее.

Alextp · Сообщение **Alextp** » Пн апр 06, 2009 21:35

У меня идет, все 3 строки показывает:

Img

Rodny · Сообщение **Rodny** » Пн апр 06, 2009 21:54

Langly
Виноват, Notepad++ действительно конструкцию "|" не знает. Придётся исключить его из списка приличных редакторов.
EmEditor справляется с поставленной задачей, в том числе и с последними примерами. В нём вообще наилучшая работа с регекспами из того, что я пробовал.

basileus

Вообще-то есть специальные утилиты (потоковые редакторы), поддерживающие регэкспы, с форками под windows.
http://gazette.linux.ru.net/rus/article ... 15696.html

http://ru.wikipedia.org/wiki/Sed
http://ru.wikipedia.org/wiki/Awk