[k.....n]

Hej,

posiadam listę słów w pliku tekstowym (po jednym słowie w każdej linii). Słów jest prawie 3 mln (sic!).
Potrzebuję jakimś trikiem usunąć wszystkie słowa, które nie zawierają polskich znaków. Jest jakiś sensowny sposób, by to zrobić?

#programowanie #pytanie

[S.....k]

@k0rdian: ile ten plik waży? O_o

[v.....o]

@k0rdian: regex twoim kumplem

[joolekk]

@k0rdian: skryptem ( ͡° ͜ʖ ͡°)

[a.....y]

@k0rdian: regex..

[p.....l]

@k0rdian: regex

[k.....n]

@vundo: @adgebworthy: @pszkrul:
Mógłbym prosić o więcej szczegółów, wskazówki dla matoła?

@Szczery_czlowiek: Waży 40 MB

[szczeppan]

@k0rdian: grep '[ąćęśźżłóńĄĆĘŚŹŻŁÓŃ]' plik > nowy_plik

[ponton]

@k0rdian: Otwórz plik vimem i wpisz (pisane z pamięci):

:%g/^[a-zA-Z]*$/d

Usunie wszystkie line, które spełniają regexp ^[a-zA-Z]*$, czyli w całości składają się z liter alfabetu angielskiego.

Nie mam pojęcia, ile to może zająć. Inny sposób:

grep -v ąęśźżćłóńĄŻŚŹĘĆÓŁ < input > output

Chyba szybszy niż vimem.

[k.....n]

@szczeppan: @ponton:
Grep na Windowsie to tak średnio raczej?

Spróbuję vimem, ale nie uzywalem nigdy go, jest gdzieś jakaś konsola/wiersz polecenia w nim?

[n3xo]

@k0rdian: Powershel:
$inputpath = ‘C:\temp\in.txt’
$outputfile = ‘C:\temp\out.txt’
$regex = ‘[a-zA-Z]*[ąęśźżćłóńĄŻŚŹĘĆÓŁ][a-zA-Z]*’
select-string -Path $inputpath -Pattern $regex -AllMatches | % { $.Matches } | % { $.Value } > $outputfile

[szczeppan]

@k0rdian: batch:

findstr /RC:"[ąćęśźżłóńĄĆĘŚŹŻŁÓŃ]" input.txt > output.txt

[ponton]

@k0rdian: No jakoś go trzeba zainstalować, ponoć (nie próbowałem) razem z gitem masz basha i parę narzędzi (być może też grep): https://git-scm.com/download/win

w Vimie do trybu poleceń wchodzisz właśnie przez dwukropek, który jest na początku komendy.

[k.....n]

@n3xo: Po wpisaniu ścieżki wywala mi błąd ( ͡° ʖ̯ ͡°):

Edit:
Już ogarnąłem - trzeba było wpisać "$_.Matches", zamiast "$.Matches".
Dziękuję za pomoc wszystkim, wszystko działa! ( ͡° ͜ʖ ͡°)

[n3xo]

@k0rdian jak wklejalem to wykop poucinal :-P

[k.....n]

@n3xo: Mógłbyś PW zobaczyć? Bo chyba za szybko się ucieszyłem ( ͡° ʖ̯ ͡°)