Есть ли программа для отбора кейвордов?

[disqus]

Столкнулся с проблемой, что из всех мною найденных программистов в интернете, никто не знает, как отобрать кейворды из 1 файла, которые не повторялись бы с кейвордами во втором файле и сохранились бы в третьем файле.

Звучит вроде так елементарно.. но никто не может сделать... это реально неподсильная задача?

[Novgorodcev]

погоди, у тебя в файлах разные строки получается?
в одном ссылки в другом кейворды?
скинь по 5 строк из каждого.

[disqus]

Сообщение от Novgorodcev

погоди, у тебя в файлах разные строки получается?
в одном ссылки в другом кейворды?
скинь по 5 строк из каждого.

да

ссылки.тхт:
<a href="http://google.com">1</a>
<a href="http://bing.com">2</a>
<a href="https://yahoo.com">3</a>

кейворды.тхт
4
5
1

впринципе я могу вытащить кейворды из ссылок.

[Бздетектив]

В keywordkeeper можно такое сделать, если подумать 5 секунд

[Novgorodcev]

Если так то по любому первый скрипт воздух молотил ))

Давай сформулируем четкое ТЗ, это половина дела )))

Пока получается так:
Надо убрать из файла ссылки.тхт те строки, которые содержат строки из файла кейворды.тхт, и сохранить результат в файл. Порядок строк в файле результат не важен. Верно?

[HelgerLEE]

В Пингвине достаточно несколько кликов мышкой:
- загрузить файл 1;
- в исключения загрузить файл 2;
- отфильтровать и сохранить результат.
https://x-parser.ru/software/9-penguin.html

[Morgul]

Странных ты прогеров нашел. Какая-то школьная задача, по чесноку.
Или ты тз так составляешь, что даже на гофаке ввел в заблуждение людей (меня в том числе). Исходя из последних твоих слов, сперва надо убрать теги ссылок и оставить только кеи. Ну это regexp, простая задача.
Далее уже решение выкладывали. Тот же KeyWordKeeper это умеет. Но если данных очень много, тут, конечно, надо по производительности еще шарить. Но убрать дубли - это как бы изи таск )

[excl]

В кейколлекторе описанным мною способом на первой странице можно и лям и больше ключей довольно быстро сделать, а потом результат экспортировать в файл.

[Dor]

юзаю Penguin Premium

[веломан]

держи
компиляция в линухе через g++ -O3

PHP код:

// отобрать кейворды из 1 файла, которые не повторялись бы с кейвордами во втором файле и сохранились бы в третьем файле

#include <iostream>
#include <string>
#include <fstream>
#include <unordered_map>

using namespace std;
using umap = unordered_map<string, bool>; // vector не подойдёт, ибо дубли

static const string
    ffn1        = "file1" // эти кейворды поедут в ffn3 (тут '<a href="http://google.com">keyword</a>')
    ,ffn2       = "file2" // ...если их нет здесь (тут 'keyword')
    ,ffn3       = "file3"
;

//##############################################################################
// все кеи из file2 кладутся в umap и будут жить в памяти
umap ffn2_to_umap()
{
    ifstream fd(ffn2);
    if (!fd)    {exit(1);} // файл протух

    umap m;
    string str; // строка из файла
    while (getline(fd, str)) {
        m[str] = true;
    }
//cout << m["key1"] << '\n';

    fd.close();
    return m;
}
//##############################################################################
// отобрать кейворды из ffn1, которые не повторялись бы с кейвордами в ffn2 и сохранились бы в ffn3
void parse()
{
    umap m = ffn2_to_umap();

    ofstream fd_ffn3(ffn3);     // сюда пишем найденные кеи
    ifstream fd_ffn1(ffn1);     // ...отсюда
    if (!fd_ffn1 || !fd_ffn3)
        {exit(2);}              // файлы протухли

    string str, keyword;// строка из файла + keyword
    uint cnt    = 0
        ,cnt2   = 0     // счётчик строк и найденных кеев
        ,start  = 0     // где искать 'keyword' (от)
        ,end    = 0     // ...до
    ;

    // тут keyword "выкусывается" из строки и сразу ищется в umap. Если там нет, то кладётся в ffn3.
    while (getline(fd_ffn1, str)) // <a href="http://google.com">keyword</a>
    {
        cnt++;

        // строка должна начинаться с '<', иначе сообщение в консоль
        if (str.front() != '<') {
            cout << "ERR: строка №" << cnt << " НЕ является ссылкой: " << str << '\n';
            continue;
        }

        start   = str.find_first_of('>', 10);
        end     = str.find_first_of('<', 12);
        keyword = str.substr(start +1,   end -start -1);
//printf("start = %d; end = %d\n", start, end);
//cout << str << "\nkeyword = " << keyword << '\n';

        // если кей уникальный, то в ffn3
        if (!m[keyword]) {
            fd_ffn3 << keyword << '\n';
            cnt2++;
        }
    }

    fd_ffn1.close();
    fd_ffn3.close();

    cout << "\nнайдено кеев: " << cnt2 << '\n';
}

//##############################################################################
int main(int argc, char *argv[])
{
    system("clear");
    setlocale(LC_ALL, "ru_RU.utf8");

    parse();
} 


[Hector]

Канпилять?))) Велик ты с ума сошел.