Blbinky v bashi (2) - Najčastejšie slová v srt titulkoch (diskuse)

[jose17]

> zavyslosti

nechcel si uz rovno napisat zavyslosty?

[Aleš Kapica]

Tohle je fakt blbinka. Proč se to jmenuje blbinky v bashi, když tam voláš: sed, grep, cstocs, dos2unix jako zlatý hřeb na závěr - perl?

[default]

Protože to jde mnohem jednoduššeji napsat přimo v tom Perlu či AWK? Ale když si tak uvědomuji ty závislosti, jejich verze a jejich nepodporu UTF-8, tak si myslím, že nejjednodušší by to bylo v Javě. Žádný dos2unix, tr, iconv, whatever… Žádný řešení závislostí…

[kralyk z abclinuxu]

Žádný řešení závislostí…

JRE

[hikikomori82]

Ano, toto sa pytal niekto uz minule, mas nejaky lepsi nazov? Tieto skripty su z kategorie "napisat, pouzit, zahodit", pouzivaju vsetky dostupne commandline utility, bash je len pojitko. Nebudem predsa pouzivat nejaky iny jazyk alebo tento skript prepisovat len preto ze sa neda napisat 100% vystizny nazov blogu.

[Aleš Kapica]

No kdybys ten blog nazval "Vtákoviny v shelle", bylo by to výstižnější

[hikikomori82]

Rozmyslal som ze by som to skratil na "Blbinky (2) - Najčastejšie slová v srt titulkoch"

[CEST]

Hmmm, fakt jsi to s tim perlem prehnal. Pokud se to jmenuje "...v bashi", tak se zkus spis zamerit na bash. Jak do bashe nacpes perl, pripadne jeste jednu velkou rouru s pouzitim dalsich utilitek jako grep, sed a awk, tak uz je mozna lepsi napsat rovnou perl skript.

BTW: U me umi i tr prevadet ISO-8859-2 mala na velka a obracene.

Ja bych to v bashi resil spis takhle:

time iconv -f cp1250 -t l2 a.srt \
| sed -n -e '/^[0-9]\+[[:space:]]*$/d;/-->/d;s/<\/\?[^>]\+>//g;s/[^[:alpha:]]/ /g;s/[[:space:]]\+/\n/g;p;' \
| tr '[:upper:]' '[:lower:]' \
| grep -Ev '^[[:space:]]*$'  \
| sort | uniq -c | sort -nr

BTW: Titulky jsou z dilu HIMYM 4.21 a casy jsou

real    0m0.152s
user    0m0.024s
sys     0m0.008s

[^([0-9a-fA-F]{2}([:-]?|$)){6}$]

Hahaha, pobavil jsi me To je prispevek dnesniho dne! Btw poznas, co sezere regularni vyraz v mem v nicku?