Dotaz: vyhladavanie

[marian34]

Zdravim,mam dva binarne subory.Potrebujem v nich vyhladat retazec zadanej dlzky(B),ktory sa nachadza v oboch suboroch.Je na to nejaky programik?

Odpovědi

[NN]

Mozna cmp ?

NN

[Radovan]

PRINT "Hledani shody ve dvou souborech"
INPUT "Kolik bytu? ", delka
INPUT "1. soubor: ", soubor1$
INPUT "2. soubor: ", soubor2$
PRINT "Preruseni: Esc"
a$ = " "
b$ = " "

OPEN soubor1$ FOR BINARY AS #1
OPEN soubor2$ FOR BINARY AS #2

FOR i = 1 TO LOF(1) - delka + 1
  FOR j = 1 TO LOF(2) - delka + 1
    IF INKEY$ = CHR$(27) THEN GOTO konec
    GET #1, i, a$
    GET #2, j, b$
    IF a$ = b$ THEN
      pocet = 1
      FOR k = 1 TO delka - 1
        GET #1, i + k, a$
        GET #2, j + k, b$
        IF a$ = b$ THEN
          pocet = pocet + 1
        ELSE
          k = delka
        END IF
      NEXT k
      IF pocet = delka THEN
        PRINT i, j,
        FOR k = 0 TO delka - 1
          GET #1, i + k, a$
          PRINT a$;
        NEXT k
        PRINT
      END IF
    END IF
  NEXT j
NEXT i

CLOSE #2
CLOSE #1
konec: END

[NN]

To je v jakem jazyce ?

NN

[Max]

Podle tohoto : google -> "FOR i = 1 TO LOF" to vypadá na QBASIC.
Zdar Max

[Radovan]

Přesně tak, trocha prehistorie v akci Většina programátorů v M$ prý na QBasicu začínala, tím by se dalo ledacos vysvětlit...

[rastos]

Zafunguje ti to ak sa budú zhodovať 2 posebeidúce riadky?

[Radovan]

Bere to bajt po bajtu a porovnává každý s každým, takže zafunguje. Ale na výsledek si člověk trochu počká

[marian34]

A ako to prosim Vas spustim?Cez DOSBox?

[Radovan]

V DOSBoxu to jede krásně, QBasic můžeš stáhnout odsud: ftp://ftp.microsoft.com/Products/Windows/Windows95/CDRomExtras/OtherUtilities/olddos.exe pokud máš platnou licenci na Win9x A nebo ze stovek jiných míst na netu.
Ale je to šíleně pomalé!
Jaký používáš systém? Že bych to spíš zkusil "portovat" do Céčka

[marian34]

Ano,je to funkcne,ale pomale.Chcelo by to este spravit vystup do suboru.V Cecku to môze byt aj,aj.

[Radovan]

Tak teda v Céčku:

#include <stdio.h>
#include <stdlib.h>



int lof(FILE *soubor)
    {
    fseek(soubor,0,SEEK_END);
    return ftell(soubor);
    }



void nacti(FILE *soubor,char *text,int pocet)
     {
     int i;

     rewind(soubor);
     for (i=0;i<pocet;++i)
         text[i]=fgetc(soubor);
     text[i]='\0';
     }



int main(void)
    {
    int  i,j,c1,c2,f=0,shoda,delka,v1,v2,velikost1,velikost2;
    char nazev1[200],nazev2[200],*text1,*text2;
    FILE *soubor1,*soubor2;

    /* vstupni dialog */
    fprintf(stderr,"Hledani shody ve dvou binarnich souborech\n");
    fprintf(stderr,"Kolik bytu? ");
    scanf("%d",&delka);
    if (delka>0)
       {
       fprintf(stderr,"1. soubor: ");
       scanf("%s",nazev1);
       fprintf(stderr,"2. soubor: ");
       scanf("%s",nazev2);

       if ((soubor1=fopen(nazev1,"r")))
          {
          if ((velikost1=lof(soubor1)))
             {
             if ((soubor2=fopen(nazev2,"r")))
                {
                if ((velikost2=lof(soubor2)))
                   {
                   printf("\n%s\n\t%s\n",nazev1,nazev2);
                   /* alokace pameti */
                   text1=malloc(velikost1+1);
                   text2=malloc(velikost2+1);
                   v1=velikost1-delka+1;
                   v2=velikost2-delka+1;
                   if (!text1 || !text2)
                      {
                      fprintf(stderr,"Nedostatek pameti, pomale hledani!\n\a");
                      /* primo na disku */
                      for (rewind(soubor1),i=0;i<v1;++i)
                          {
                          c1=fgetc(soubor1);
                          for (rewind(soubor2),j=0;j<v2;++j)
                              {
                              c2=fgetc(soubor2);
                              if (c1==c2)
                                 {
                                 for (shoda=0;c1==c2 && shoda<delka;++shoda)
                                     {
                                     c1=fgetc(soubor1);
                                     c2=fgetc(soubor2);
                                     }
                                 if (shoda==delka)
                                    {
                                    ++f;
                                    fseek(soubor1,i,0);
                                    printf("%d\t%d\t",i,j);
                                    for (shoda=0;shoda<delka;++shoda)
                                        putchar(fgetc(soubor1));
                                    putchar('\n');
                                    }
                                 fseek(soubor1,i+1,0);
                                 fseek(soubor2,j+1,0);
                                 }
                              }
                          }
                      }
                   else
                      {
                      /* nacteni do pameti */
                      nacti(soubor1,text1,velikost1);
                      nacti(soubor2,text2,velikost2);
                      for (i=0;i<v1;++i)
                          for (j=0;j<v2;++j)
                              {
                              for (shoda=0;text1[i+shoda]==text2[j+shoda] && shoda<delka;++shoda);
                              if (shoda==delka)
                                 {
                                 ++f;
                                 printf("%d\t%d\t",i,j);
                                 for (shoda=0;shoda<delka;++shoda)
                                     putchar(text1[i+shoda]);
                                 putchar('\n');
                                 }
                              }
                      }
                   if (text1)
                      free(text1);
                   if (text2)
                      free(text2);
                   if (f)
                      printf("Nalezeno %d shodnych useku s delkou %d bytu.\n",f,delka);
                   else
                      printf("Nenalezena zadna shoda!\n");
                   }
                else
                   fprintf(stderr,"%s nic neobsahuje!\n\a",nazev2);
                fclose(soubor2);
                }
             else
                fprintf(stderr,"%s nelze cist!\n\a",nazev2);
             fclose(soubor1);
             }
          else
             fprintf(stderr,"%s nic neobsahuje!\n\a",nazev1);
          }
       else
          fprintf(stderr,"%s nelze cist!\n\a",nazev1);
       }

    return 0;
    }

Výstup do souboru si můžeš klidně přesměrovat pomocí >, chybová hlášení tam nebudou, jen samotné výsledky :)

[marian34]

Diky moc,no jaksi mi to nefacha.Po zadani suborov na porovnanie mi vzdy vyhodi

NELZE CIST!

[Radovan]

Zadáváš celé názvy tak jak jsou, malá/velká písmena a podobně? Tohle signalizuje že ten soubor nemohl otevřít.
Zkus je třeba zkopírovat do toho adresáře kde máš program s nějakými jednoduchými názvy, jako je s1 a s2, s tím by neměl být problém.

[marian34]

Fajn,uz to facha.

[Petr Gajdůšek]

pro bash:

commons() { # soubor1 (nejlépe ten menší), soubor2, délka
    grep -oF -f  \
    <( strings -n$3 $1 | while read l; do for ((i=0;i<${#l}-${#l}%$3;i++)); do echo ${l:i:$3}; done; done ) \
    <(strings -n$3 $2) | strings -n$3 | sort -u
}

použití:

$ commons /bin/grep /bin/bash  77
License GPLv3+: GNU GPL version 3 or later <http://gnu.org/licenses/gpl.html>

[Petr Gajdůšek]

Bude to fungovat jenom pokud vyhledáváte textový řetězec. Bez změny to funguje jen pro 7bitové (ASCII) řetězce. Pro 8bitové kódování je nutné rozšířit volání strings o parametr -eS a aby fungoval grep, rourou převést na utf8 nebo nastavit proměnnou LANG=C, potom bude grep porovnávat binárně.

Podobně pokud je hledaný řetězec v souborech kódován v 16 nebo 32 bitech, viz man 1 strings.

[marian34]

Ok,ako to bude teda vyzerat pre binarne vyhladavanie?

[jadd]

Nevím jak tobě (nejsem programátor) ale myslím si že napověděli až dost. Jsou ale lidi co chtěj všechno zadarmo a to ještě k tomu hned aniž by ten kdo se jim snaží pomoci, vůbec věděl jestli i oni sami by vůbec někomu poradili natož taky zadarmo. Z takových lidí je mi na blití.

[marian34]

Kludne sa pozvracaj,mne to je jedno.Normalne tu kladiem otazky,na nikoho netlacim.Bud niekto chce odpovedat,alebo nie.Samozrejme som vdacny aj za nacrnutie riesenia,od ktoreho sa uz da odpichnut.No nevidim dôvod,aby som sa v tom este nepitval,pokial niecomu nerozumiem.A tvoje zadarmo si strc za klobuk,uz len tento pojem svedci o tom,v akych intenciach rozmyslas.

[jadd]

Dobrá, Omlouvám se asi jsem se v tobě spletl, mám dneska fakt špatnou náladu...

A tvoje zadarmo si strc za klobuk,uz len tento pojem svedci o tom,v akych intenciach rozmyslas.

Opak je pravdou.

[Petr Gajdůšek]

Pro posloupnosti libovolných bajtů se to použít nedá. Tohle funguje jen pro hledání textových řetězců, respektive řetězců obsahující jen tisknutelné znaky. Omlouvám se tedy, můj příklad není řešením, které jsi hledal - nepochopil jsem totiž význam termínu "řetězce" v zadání, imho "posloupnost bajtů" by bylo přesnější vyjádření.

Pokud bys přece jen někdy potřeboval vyhledávat textové řetězce, tak je tenhle postup flexibilnější. S drobnými úpravami lze vyhledávat i řetězce, které jsou v binárních souborech nestejně reprezentované (8, 16, 32 bitů, little i bigendian) a v různé znakové sadě (použitím enca). To je neocenitelné např. při analýze binárních souborů vytvořených windows aplikacemi, ty běžně používají různá kódování i znakové sady. Tam by porovnávání bajt po bajtu bylo k ničemu.