免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
最近访问板块 发新帖
查看: 1845 | 回复: 1

文本比较分析 [复制链接]

论坛徽章:
0
发表于 2007-09-21 18:17 |显示全部楼层
3可用积分
有三个文本文件格式分别为
文本1:
ID1:汉字字符串1
ID2:汉字字符串2
ID3:englishstring3
ID4:汉字字符串4
ID5:
ID6:englishstring6
ID7:汉字字符串7
....
....

这个文本中绝大部分都已经是汉字字符串
但有个别空白和英文

另一个文本的内容为
文本2:
ID1:汉字字符串1
ID2:汉字字符串2
ID3:englishstring3
ID4:汉字字符串4
ID5:汉字字符串5
ID6:englishstring6
ID7:汉字字符串7
ID8:汉字字符串8
...
...

这个文件包含了可能出现的所有汉字字符串的全集
未翻译的是可以接受的

还有一个文本中包含了所有ID对应的英文
文本3:

ID1:englishstring1
ID2:englishstring2
ID3:englishstring3
ID4:englishstring4
ID5:englishstring5
ID6:englishstring6
...
...


现在想根据文本2和3,   分析文本1,  得出文本1中哪个ID翻译了,哪个ID没翻译 哪个是特殊情况 例如空格     

谢谢各位大侠相助!!!!!

[ 本帖最后由 honbj 于 2007-9-21 18:20 编辑 ]

论坛徽章:
0
发表于 2007-09-21 18:50 |显示全部楼层
特殊情况: comm -23   1.txt    2.txt |sed 's/[a-z]//g'

ID翻译了: comm -12   1.txt    3.txt

ID没翻译: comm -23   1.txt    2.txt |sed 's/[^a-z]//g'

试一下吧,不太确定.
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122 niuxiaotong@pcpop.com 17352615567
未成年举报专区
中国互联网协会会员  联系我们:huangweiwei@itpub.net
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP