Heyhey,

ich muss aus einem großen Textdokument alle Wörter mit 4-Buchstaben raussuchen, bzw. alle anderen löschen.

Jemand eine Idee, wie sich dies automatisieren ließe?

Gruß!

Mit regulären Ausdrücken würde ich mal sagen. Ist ne Wissenschaft für sich aber sehr interessant:

Per PHP Skript?

In der Textverarbeitung Papyrus (MAC) gibt es bei der Suchen/Ersetzen Funktion den 'Joker' für ein beliebiges Zeichen. Man gibt als Suchtext 4 Joker ein und aktiviert die Option 'als Wort' - 'markieren'
Dann werden alle Gruppen aus 4 Zeichen als diskontinuierlicher Block markiert.
Anschließend den Block kopieren oder ausschneiden und in ein neues Dokument einfügen

Papyrus Autor will bei mir nicht starten, hat noch jemand eine andere Idee?

http://www.gskinner.com/RegExr/

Da kannste mit regulären Ausdrücken rumprobieren und basteln. Rechts sind auch die Grundlagen erklärt, mit einbisschen probieren solltest du die passende Kombination für dich finden.

Als Einzeiler:

for w in `less /path_to_document`; do c=`echo "$w" | wc -m`; c=$((c-1)); if (($c==4)); then echo $w >> ~/Desktop/4char_words.txt; fi; done

Das klingt gut bis jetzt, wie heisst so eine Applikation, mit der das anwendbar ist auf dem Mac?

Die Datei ist sehr groß…

Keiner eine Idee?

Sollte mit Textwragnler und regulären Ausdrücken gehen.
Noch besser auf einem Windowsrechner mit Textpad, da gibt es gleich eine gute Hilfe zu den reg. Expressions

Um mal ein Beispiel für einen passenden regulären Ausdruck zu liefern:
\b[a-zA-Z][a-zA-Z][a-zA-Z][a-zA-Z]\b

\b = findet eine Wortgrenze
[a-zA-Z] = findet einen Klein- oder Großbuchstaben von a-z.

Hinzufügen müsstest Du ggf. noch diverse weitere Zeichen wie Umlaute oder ß.
Testen kannst Du das auf der von Stranger genannten Seite oder dem schon erwähnten TextWrangler.

MfG, Metti.

Liest hier keiner den Beitrag von _mäuschen?

@MacMark: das erfordert eine gewisse intelligenz. dementsprechend wird der beitrag von den meisten ignoriert.

Vielleicht bezieht sich ja das

auf _mäuschens Beitrag.

In diesem Fall wäre die Antwort: Terminal

@MacMark
Sicher habe ich den gelesen. Jedoch würde ich erst diverses andere versuchen, bevor ich mich an das Terminal begeben würde. Irgendwie sieht das für mich immer sehr abstrakt aus.

Wenn ich Pech habe, ist das nicht mal ein Terminalbefehl sondern eher ein Apple-Script. So ganz ohne weitere Erklärung würde ich das nicht ausprobieren. Auch wenn es anderen als ein leichter Weg erscheint.

MfG, Metti.

Das sind Shell-Befehle. Also im Terminal copy-paste:


Leerzeichen nach "less" nicht vergessen!

Dann das Dokument ins Terminal ziehen, wodurch der Pfad eingetragen wird.

Dann wieder copy-paste:


Dann Return und dann hast Du die Wörter in einer Datei auf dem Desktop. Das Original bleibt unverändert.

Mit Mellel geht das auch recht einfach. Hier lassen sich im Suchen-Dialog die regulären Ausdrücke „visuell“ zusammenklicken, was sie für Einsteiger leichter verständlich macht. Da es dennoch etwas Einarbeitungszeit benötigt, rentiert es sich vermutlich nur, wenn man eine solche Aufgabe öfters bewältigen muss.

Toll die Terminal Lösung, danke für die ausführliche Erklärung M & MM und danke an alle anderen für die Programmvorschläge. Musste im Code die 4 durch eine 5 ersetzten sonst wären es immer 3 Buchstaben geworden.
Aber jetzt läuft’s fleißig.

Gruß!

HD:~ me$ IN=/path_to_source
HD:~ me$ OUT=/path_to_dest

HD:~ me$ date; cat "$IN" | tr -cs "[:alpha:]" "\n" | grep '\<....\>' > $OUT; date
Sa 15 Mai 2010 23:49:03 CEST
Sa 15 Mai 2010 23:49:04 CEST

Nüchtern betrachtet ist obiger Befehl massiv schneller
als mein erster Vorschlag


HD:~ me$ date; for w in `less "$IN"`; do c=`echo "$w" | wc -m`; c=$((c-1)); if (($c==4)); then echo $w >> $OUT; fi; done; date
Sa 15 Mai 2010 23:49:25 CEST
Sa 15 Mai 2010 23:51:26 CEST

HD:~ me$ wc -w "$IN"      31108 source.txt
HD:~ me$ wc -w "$OUT"      176 4chars.txt

Jetzt ist’s schon zu spät Habe den ersten Vorschlag genommen und lange gewartet…

Jetzt bräuchte ich noch eine Funktion die alle Wörter die aus Buchstaben des Alphabets sowie + und - bestehen raussucht.

Danke vorab!

HD:~ me$ rm $OUT; date; cat "$IN" | tr -cs "[:graph:]" "\n" | sed 's/[,.:\"\(\)\@\<\>\!0-9]//g' | sed "s/'//g" | grep '\<....\>' > $OUT; date;

So 23 Mai 2010 14:37:32 CEST
So 23 Mai 2010 14:37:37 CEST


HD:~ me$ wc -w $IN $OUT
72036 /Users/me/Desktop/source.txt
14624 /Users/me/Desktop/4char_words.txt
86660 total

Mich würde brennend interessieren für was man das braucht?

Mmmhm komme mir ein wenig debil vor aber habe nach obiger Erklärung mit drag and drop gearbeitet und dann anstelle von folgendem code:


das hier eingesetzt:

Macht aber nichts.

Im Terminal copy-paste:
Leerzeichen nach "cat" nicht vergessen!

Dann das Dokument ins Terminal ziehen, wodurch der Pfad eingetragen wird.

Zusätzlich ein Leerzeichen.

Dann wieder copy-paste:



Sieht dann ungefähr so aus:

color-splotched
pre-select
red-dressed
right-hand
jumping-bunny
non-legal
Self-Preservation
non-aggressive
stair-like
L-shaped
q++q
i--o

Danke dir!

Leider bricht er ab und sagt
Das hat er bei erstem code auch oft ausgespuckt, hat jedoch danach einfach weitergemacht

Was ist denn der Quelltext?

Der Quelltext ist die 4-Buchstaben-Wortliste die ich oben generiert habe. Vielleicht sollte ich die in ein anderes Format bringen?

Gruß!

Ich mein den Quelltext der zur 4-Buchstaben-Wortliste führte.