Поиск слов в текстовом документе

• Название: Поиск слов в текстовом документе
• Дата: 02.02.2022
• Размер: 394.5 Kb.
• Имя файла: ege10.doc
• Тип: Решение; #349571
• страница: 1 из 4

© К. Поляков, 2020-2021

10 (базовый уровень, время – 3 мин)

Тема: Поиск слов в текстовом документе

Что проверяется:

Информационный поиск средствами операционной системы или текстового процессора

3.5.2. Использование инструментов поисковых систем (формирование запросов)

2.1. Умение осуществлять поиск и отбор информации

Что нужно знать:

• 
  текстовые редакторы и текстовые процессоры имеют встроенную функцию поиска; большинство программ (Блокнот, OpenOffice, LibreOffice) просто ищут цепочку символов, то есть находят все формы данного слова
  
• 
  в наиболее совершенных редакторах (MicrosoftOffice) есть возможность отметить режим Только слово целиком, при этом программа ищет только заданное слово именно в этой форме
  
• 
  если нужно найти слова, начинающиеся только со строчной или только с заглавной буквы, нужно включить флажок С учётом регистра
  

Пример задания:

Р-00 (демо-2021). С помощью текстового редактора определите, сколько раз, не считая сносок,

встречается слово «долг» или «Долг» в тексте романа в стихах А.С. Пушкина «Евгений Онегин» (файлы 10-0.docx, 10-0.txt). Другие формы слова «долг», такие как «долги», «долгами» и т.д., учитывать не следует. В ответе укажите только число.

Решение (простейшие текстовые редакторы):

1. 
   Решение этой задачи существенно зависит от возможностей программы, которую вы используете. Рассмотрим сначала самый худший вариант, когда в вашем распоряжении только простейший текстовый редактор типа Блокнота.
   
2. 
   Загрузите файл 10-0.txt в редактор.
   
3. 
   С помощью комбинации клавиш Ctrl+F (или верхнего меню Правка – Найти) нужно вызвать окно поиска и ввести нужное слово:
   

4. 
   Важно! Поскольку нас интересует слово «долг», которое может начитаться как с заглавной, так и со строчной буквы, НЕ нужно включать флажок «С учетом регистра»
   
5. 
   далее щелкаем по кнопке Найти далее (можно также щёлкнуть мышью на тексте и нажимать клавишу F3)
   
6. 
   к сожалению, простые программы ищут только заданную цепочку символов и не умеют искать слово в одной заданной форме (то есть будут найдены также слова «долго», «долги», «долгий» и т.п., которые нас не интересуют); поэтому приходится просматривать все найденные слова и вручную считать, сколько раз встретится именно слово «долг», а не другие слова, содержащие эту цепочку символов
   
7. 
   Ответ: 2.
   

Решение (LibreOffice, А.Т. Фомин, г. Ейск):

«Быстрый» поиск:

1. 
   Нажмите на клавиатуре сочетание клавиш Ctrl + F. В нижней части окна появляется панель поиска:
   
2. 
   В ведите слово для поиска. Чтобы исключить вхождение указанного слова как подстроки в других словах, введите после слова символ «пробел». Нажмите на кнопку «Найти все». Результат поиска появится в статус-баре ниже:
   

«Расширенный» поиск

3. 
   Перейдите в меню программы Правка → Найти и заменить (сочетание клавиш Ctrl + H). Появится диалоговое окно:
   

4. 
   Установите флажок «Слова целиком» и нажмите на кнопку «Найти все». Числовой результат поиска появится в статус-баре, в нижней части окна программы. Для перемещения в документе, по найденным словам, нажимайте кнопки «Предыдущее» (Alt + П) или «Следующее» (Alt + Ю).
   

«Сложный» поиск

5. 
   Для поиска подстроки по определенным («сложным») критериям используйте «Регулярные выражения». Установите флажок «Регулярные выражения» в диалоговом окне «Найти и заменить». Теперь в строке поиска можно использовать регулярные выражения. Например, давайте найдем в тексте все слова, которые начинаются на долг, а заканчиваются любым одним алфавитным символом (от «а» до «я»). Для этого введите следующее регулярное выражение:
   

[:space:]долг[а-я][:space:]

Количество таких слов в романе будет 14 («долго» и «долги»).

Некоторые регулярные выражения:

Символ	Результат/Использование
Любой символ	Представление данного символа, если не указано иное.
.	Представление любого отдельного символа, кроме разрыва строки или конца абзаца. Например, условие поиска "п.ск" возвращает и "пуск", и "писк".
*	Поиск нулевого или большего числа символов перед "*". Например, при поиске "Аб*в" будут найдены "Ав", "Абв", "Аббв", "Абббв" и т. д.
+	Поиск одного или большего числа символов перед "+". Например, при поиске "AX.+4" будет найдено "AXx4", но не "AX4". Всегда будет найдена самая длинная возможная строка, соответствующая данному искомому элементу в абзаце. Если в абзаце содержится строка "AX 4 AX4", выделяется весь фрагмент.
?	Поиск нулевого числа или одного символа перед "?". Например, при поиске термина "Тексты?" будут найдены "Текст" и "Тексты", а при поиске "x(ab|c)?y" будут найдены "xy", "xaby" или "xcy".
\	Поиск воспринимает специальные символы после "\" как обычные символы, а не как регулярное выражение (за исключением сочетаний \n, \t, \> и \<). Например, "текст\." находит "текст.", а не "тексты" или "тексту".
\>	Поиск элемента, находящегося в конце слова. Например, при поиске "бор\>" будет найдено "выбор", но не "борьба".
\<	Поиск элемента, находящегося в начале слова. Например, при поиске "\<бор" будет найдено "борьба", но не "выбор".
[абв123]	Представление одного из символов, находящихся в скобках.
[а-д]	Соответствует любому из символов между "a" и "e", включая начальный и конечный символы. Символы упорядочены по кодовым значениям.
[а-де-х]	Представление любого символа, находящегося между "а" и "д" или между "е" и "х".
[^а-с]	Соответствует любому символу, кроме символов между "a" и "s".
|	Поиск терминов, которые встречаются до "|" и после "|". Например, результатом поиска "этот|тот" будет "этот" и "тот".
{2}	Определяет допустимое количество вхождений данного символа перед открывающей скобкой. Например, результатом поиска "сине{2}" также будет "синева".
{1,2}	Определяет максимальное и минимальное допустимое количество вхождений данного символа перед открывающей скобкой. Например, результатом поиска "сине{1,2}" также будет "синее" и "синева".
{1,}	Этот параметр определяет, какое минимальное число раз может встречаться символ перед открывающей скобкой. Например, при поиске "сине{2,}" будет найдено "синее", "синеее" и "синеееее".
[:alpha:]	Представление алфавитного символа. [:alpha:]+ позволяет найти один из них.
[:digit:]	Представление десятичного знака. [:digit:]+ позволяет найти один из них.
[:alnum:]	Представление алфавитно-цифрового символ ([:alpha:] и [:digit:]).
[:space:]	Представляет символ пробела (но не другие пробельные символы).

6. 
   Более подробную информацию по использованию регулярных выражений см. на сайте справки к программе LibreOffice Writer: https://help.libreoffice.org/3.5/Common/List_of_Regular_Expressions/ru
   
7. 
   (С. Кабанов) можно использовать и такой приём: заменить искомое слово любым символом; при этом будет выдано количество замен, которое является ответом
   

Решение (Microsoft Word):

1. 
   в программе Word открываем окно поиска (Ctrl+F) и вводим нужное слово; получаем те же результаты, что и в Блокноте:
   

2. 
   справа от поля ввода открываем список стрелкой, выбираем Расширенный поиск
   

и нажимаем кнопку Больше >>.

3. 
   тут есть возможность выбрать режим поиска «Только слово целиком»:
   

4. 
   после этого программа будет искать только то, что нам нужно, причём в современных версиях Word на панели Навигация слева от документа сразу видно, сколько слов найдено и в каких предложениях:
   

5. 
   Ответ: 2.
   

Решение (с помощью программы, С.С. Поляков):

1. 
   можно использовать программу на Python, которая читает в память файл целиком, разбивает его на слова, переводит все символы в нижний регистр (к строчным буквам) и считает, сколько заданных слов оказалось в этом списке:
   

import re

n = 0

for x in re.split('\W+',open('10-0.txt', 'r').read().lower()):

if x == 'долг':

n += 1

print(n)

2. 
   возможно также решение без использования модуля re:
   

s = open('10-0.txt', 'r').read().lower().split()

L = [x for x in s

if x == 'долг' or (x.startswith('долг') and

notx[4].isalpha())]

print(len(L))

3. 
   Ответ: 2.
   

Решение (с помощью программы, Б.С. Михлин):

Замечание. (С.С. Поляков) Этот вариант не сработает, если после слова «долг» в тексте стоит точка, запятая или другой знак препинания.

1. 
   в некоторых случаях можно решить задачу и не используя модуль re:
   

with open('10-0.txt') as Fin:

n = 0

for s in Fin: # построчное чтение файла в s

s = s.lower() # привести к нижнему регистру

# перебор элементов списка, полученного разрезанием

# s попробелам

for x in s.split():

if x == 'долг':

n += 1

print(n)

2. 
   вариант без использования метода lower (нужно включить в условие слова «долг» и «Долг»):
   

with open('10-0.txt') as Fin:

n = 0

for s in Fin: # построчное чтение файла в s

for x in s.split():

if x == 'долг' or x=='Долг':

n += 1

print(n)

3. 
   вариант без разрезания строки с помощью метода split (считаем, сколько есть слов «долг», после которых стоит пробел или символ перехода на новую строку)
   

with open('10-0.txt') as Fin:

n = 0

for s in Fin: # построчное чтение файла в s

s = s.upper()

n += s.count('ДОЛГ ') + s.count('ДОЛГ\n')

print(n)

Этот алгоритм сработает только тогда, когда у корня не может быть приставок.

4. 
   Ответ: 2.