new-words
annotate new-words.sh @ 0:b21fb3f1fcb7
new-words.sh добавлен в репозиторий
Пока здесь есть только маленький README-файл
и скрипт new-words.sh, который делает минимум работы.
Подробности: http://xgu.ru/wiki/new-words
Пока здесь есть только маленький README-файл
и скрипт new-words.sh, который делает минимум работы.
Подробности: http://xgu.ru/wiki/new-words
author | igor@book.xt.vpn |
---|---|
date | Sun Feb 21 19:34:18 2010 +0200 (2010-02-21) |
parents | |
children | 4c9076f87241 |
rev | line source |
---|---|
igor@0 | 1 #!/bin/sh |
igor@0 | 2 |
igor@0 | 3 cat <<HELP > /dev/null |
igor@0 | 4 |
igor@0 | 5 Поддержка нескольких языков: |
igor@0 | 6 |
igor@0 | 7 new-words -l lang URL |
igor@0 | 8 |
igor@0 | 9 Например, для немецких текстов: |
igor@0 | 10 |
igor@0 | 11 new-words -l de URL |
igor@0 | 12 |
igor@0 | 13 Или, предварительно создав соответствующую ссылку: |
igor@0 | 14 |
igor@0 | 15 de-words URL |
igor@0 | 16 |
igor@0 | 17 HELP |
igor@0 | 18 |
igor@0 | 19 WORK_DIR=~/.new-words/ |
igor@0 | 20 LANGUAGE=en |
igor@0 | 21 VOCABULARY=${LANGUAGE}.txt |
igor@0 | 22 TEMP1=`mktemp /tmp/news-words-XXXXXXXXXX` |
igor@0 | 23 TEMP2=`mktemp /tmp/news-words-XXXXXXXXXX` |
igor@0 | 24 editor=${EDITOR:-vim} |
igor@0 | 25 |
igor@0 | 26 my_name="`echo $0 | sed s/-words// | sed s@.*/@@`" |
igor@0 | 27 [ "${my_name}" = "new" ] || VOCABULARY="$my_name".txt |
igor@0 | 28 if [ "$1" = "-l" ] |
igor@0 | 29 then |
igor@0 | 30 LANGUAGE="$2" |
igor@0 | 31 VOCABULARY="$LANGUAGE".txt |
igor@0 | 32 shift 2 |
igor@0 | 33 fi |
igor@0 | 34 |
igor@0 | 35 get_words() |
igor@0 | 36 { |
igor@0 | 37 tr ' ' '\n' | sed 's/--/ /g' | tr A-Z a-z \ |
igor@0 | 38 | tr -d '*\r,.-:#@()+=—<>$;"?!|·[]^%&'"'" \ |
igor@0 | 39 | tr ' ' '\n' | grep_v_english_perl \ |
igor@0 | 40 | grep -x '[a-zA-Z0-9_-]*' \ |
igor@0 | 41 | sort | uniq -c | awk '{if ($2!="") print;}' | sort -rn |
igor@0 | 42 } |
igor@0 | 43 |
igor@0 | 44 grep_v_english() |
igor@0 | 45 { |
igor@0 | 46 [ -e "$VOCABULARY" ] || touch "$VOCABULARY" |
igor@0 | 47 eval $(cat $VOCABULARY | tr -d "'" | xargs -n10 echo | tr ' ' '|' | sed 's/^/egrep -xv "RRRRRRR|/' | sed 's/$/"/' | tr '\n' '|')cat |
igor@0 | 48 } |
igor@0 | 49 |
igor@0 | 50 grep_v_english_perl() |
igor@0 | 51 { |
igor@0 | 52 PERL_SCRIPT_TEMP_NAME=`mktemp /tmp/perl-grep-v-english-XXXXXXXX` |
igor@0 | 53 cat <<'PERL_SCRIPT' > $PERL_SCRIPT_TEMP_NAME |
igor@0 | 54 open(VOC, $ENV{VOCABULARY}) |
igor@0 | 55 or die "Can't open VOCABULARY"; |
igor@0 | 56 while (<VOC>){ |
igor@0 | 57 chomp; |
igor@0 | 58 s/'//g; |
igor@0 | 59 $voc{$_}="1"; |
igor@0 | 60 } |
igor@0 | 61 while(<>) { |
igor@0 | 62 chomp; |
igor@0 | 63 if (not defined($voc{$_})) { print "$_\n"; } |
igor@0 | 64 } |
igor@0 | 65 PERL_SCRIPT |
igor@0 | 66 [ -e "$VOCABULARY" ] || touch "$VOCABULARY" |
igor@0 | 67 export VOCABULARY |
igor@0 | 68 perl $PERL_SCRIPT_TEMP_NAME |
igor@0 | 69 rm $PERL_SCRIPT_TEMP_NAME |
igor@0 | 70 } |
igor@0 | 71 |
igor@0 | 72 text_from_url() |
igor@0 | 73 { |
igor@0 | 74 lynx -dump "$1" | perl -p -e 's@http://[a-zA-Z&_.:/0-9%?=,#+()\[\]~-]*@@' |
igor@0 | 75 } |
igor@0 | 76 |
igor@0 | 77 mkdir -p $WORK_DIR |
igor@0 | 78 cd $WORK_DIR |
igor@0 | 79 if echo "$1" | grep -q http: |
igor@0 | 80 then |
igor@0 | 81 text_from_url "$1" | get_words | tee "$TEMP1" > "$TEMP2" |
igor@0 | 82 elif [ "$#" != 0 ] |
igor@0 | 83 then |
igor@0 | 84 cat "$1" | get_words | tee "$TEMP1" > "$TEMP2" |
igor@0 | 85 else |
igor@0 | 86 get_words | tee "$TEMP1" > "$TEMP2" |
igor@0 | 87 fi |
igor@0 | 88 |
igor@0 | 89 if [ "$editor" = vim ] |
igor@0 | 90 then |
igor@0 | 91 vim -c 'set keywordprg='"$LANGUAGE" -c 'set iskeyword=@,48-57,/,.,-,_,+,,,#,$,%,~,=' "$TEMP2" < /dev/tty > /dev/tty |
igor@0 | 92 else |
igor@0 | 93 echo 2 |
igor@0 | 94 $editor "$TEMP2" |
igor@0 | 95 fi |
igor@0 | 96 diff "$TEMP1" "$TEMP2" | awk '{print $3}' | sort -u >> "$VOCABULARY" |
igor@0 | 97 rm -f "$TEMP1" "$TEMP2" |