Porovnání textu

[Aleš Dvoika]

Ahoj mládeži hledám script/soft který porovná origo text (7000řádků) s druhým textem znatelně "poškozeným" (1řádek)
např:

poškozený
With these hands, and the blessings of the sactedisulthoistls seome tolife. My sweet
original
With these hands, and the blessings of the sacred solenoid, she´s come to life. My sweet

Porovnávalo by se z textu o 7tisíc řádku a podle nejvetsi podobnosti vyhodnotit shodu...
To už chci asi hodně že

[Reklama]

[Mlocik97]

Do Google stačí zadať "Diff app" a nájdete ich mraky. napr. https://www.diffchecker.com/desktop zadarmo napríklad https://sourceforge.net/projects/diffuse/

[Aleš Dvoika]

tnx za odpoved....jak prosimte dostanu ten řádek do clipboardu nebo lépe do *.txt

sem hrozná lama

[_Jenda]

do clipboardu

To na Windows v Cygwinu fakt netuším, na Linuxu xclip -in.

nebo lépe do *.txt

grep "^> " | cut -c 3- > soubor.txt

Porovnávalo by se z textu o 7tisíc řádku a podle nejvetsi podobnosti vyhodnotit shodu...

To mi není jasné co si pod tím přesně představuješ. Pokud ti jde o to zjistit „jak moc se soubory liší“, tak můžeš počítat řádky toho diffu. Další možnost je zkonkatenovat je, zagzipovat a podívat se na velikost výsledku -- pokud jsou téměř stejné, měla by komprese fungovat „dobře“, zatímco pokud se budou hodně lišit, nebude možné zkomprimovat ten druhý pomocí znalosti prvního. No a pak samozřejmě existuje spousta teoreticky podložených algoritmů jako třeba Levenshteinova vzálenost, Dynamic time warping atd., kde ale musíš vědět, co od toho chceš.

[Aleš Dvoika]

Děkuju za rady velmi useful...potřeboval bych z dlouhého textu o tisíce řádku najít daný řádek podle nekompletního/poškozenýho textu o jednom řádku z jiného zdroje...a ten s nejvetsí shodou vypsat do *.txt
blbe se to vysvetluje

[Reklama]

[FKoudelka]

Děkuju za rady velmi useful...potřeboval bych z dlouhého textu o tisíce řádku najít daný řádek podle nekompletního/poškozenýho textu o jednom řádku z jiného zdroje...a ten s nejvetsí shodou vypsat do *.txt
blbe se to vysvetluje

Moc nerozumim, co je cilem ale treba se trefim:
grep -n sactedisulthoistls poskozenysoubor.txt | tee vysledek.txt
vypise radek s tim slovem a jeho cislo a zapise ho do souboru ,
 kdyz nechces cislo nedavej -n vice moznost viz treba
https://www.computerhope.com/unix/ugrep.htm

[Ondrej Nemecek]

Děkuju za rady velmi useful...potřeboval bych z dlouhého textu o tisíce řádku najít daný řádek podle nekompletního/poškozenýho textu o jednom řádku z jiného zdroje...a ten s nejvetsí shodou vypsat do *.txt
blbe se to vysvetluje

Pokud potřebujete vyhledat přibližnou shodu textu, bude to chtít něco jako Approximate string matching nebo Fuzzy String Matching. To souvisí s tou již zmíněnou Levenshteinovou vzdáleností a dalšími postupy a určitě na to bude nějaký software. Případně lze ten text naimportovat do databáze, například co řádek textu to řádek databáze, a provést hledání tam. Například pro Postgres https://www.freecodecamp.org/news/fuzzy-string-matching-with-postgresql/

[Ondřej Kolín]

Diffy vizualne pekne zobrazuje meld

[Aleš Dvoika]

ahoj tak "agrep" to vyřešil, dá se nastavit i kolik chyb má přechoupnout ale je celkem pomalej, trvá mu to vteřinu a potřeboval bych max 0.5s

agrep -E 5 "nekompletní text" text.txt

neakej napad? díky všem

[Aleš Dvoika]

ahoj jak dostanu text z clipboardu do dalsiho prikazu mezi uvozovky :/


nikde sem v agrep nenašel možnost číst ze souboru

[Ondrej Nemecek]

ahoj jak dostanu text z clipboardu do dalsiho prikazu mezi uvozovky :/


nikde sem v agrep nenašel možnost číst ze souboru

Myslím, že agrep načte ze souboru přeměrováním:

Kód: [Vybrat]

agrep parametry... < soubor.txt
Mezi uvozovky načtete takto:

Kód: [Vybrat]

agrep "$(tesseract parametry...)" gtafull.txt

nebo

Kód: [Vybrat]

agrep `tesseract parametry...` gtafull.txt

[FKoudelka]

ahoj jak dostanu text z clipboardu do dalsiho prikazu mezi uvozovky :/


nikde sem v agrep nenašel možnost číst ze souboru

Vygoogli si “ windows cmd quick edit mode”
Pak ti pujde v cmd terminalu oznacit mysi, dat enter pro kopirovani a vluzit pomoci praveho tlacitka mysi.
https://www.isunshare.com/windows-8/quick-edit-mode-in-command-prompt-how-to-open-it.html

[Aleš Dvoika]

ahoj dík za odpoved ale potrebuji udelat bash aby to udelalo automaticky, ručně mi je to na prd asi sem to blbe napsal

ahoj jak dostanu text z clipboardu do dalsiho prikazu mezi uvozovky :/


nikde sem v agrep nenašel možnost číst ze souboru

Vygoogli si “ windows cmd quick edit mode”
Pak ti pujde v cmd terminalu oznacit mysi, dat enter pro kopirovani a vluzit pomoci praveho tlacitka mysi.
https://www.isunshare.com/windows-8/quick-edit-mode-in-command-prompt-how-to-open-it.html

[Aleš Dvoika]

nebo něco ve smyslu
echo prvni_text < input.txt druhy_text > output.txt
to samozrejmne nefunguje

[Aleš Dvoika]

ani jedno mi nepřechroustá :/

ahoj jak dostanu text z clipboardu do dalsiho prikazu mezi uvozovky :/


nikde sem v agrep nenašel možnost číst ze souboru

Myslím, že agrep načte ze souboru přeměrováním:

Kód: [Vybrat]

agrep parametry... < soubor.txt
Mezi uvozovky načtete takto:

Kód: [Vybrat]

agrep "$(tesseract parametry...)" gtafull.txt

nebo

Kód: [Vybrat]

agrep `tesseract parametry...` gtafull.txt