Напишите скрипт, пожалуйста

[svetohod]

Здравствуйте!

Есть идея, но не хватает собственных мозгов для ее реализации. По сему обращаюсь к сообществу за помощью.

Первая задача сводится к тому, чтобы во входной строке распознать текст. Т.е. произвести анализ строки, а на выходе получить набор найденных паттернов (слово, точка, пробел, красная строка, телефон, и т.п.). Но есть ряд сложностей.
Во-первых, для паттерна 'слово' словарь слов, в потенции, будет составлять более 3 млн. слов.
Во-вторых, текст может содержать ошибки (опечатки), что делает невозможным прямой поиск слов, а требуется, как это называется, 'нечеткий' поиск.
В-третьих, все это должно работать при помещении всего словаря в оперативную память (от этого условия можно отказаться, если появится лучший кандидат).
В-четвертых, вариантов решения может быть тьма, отсюда проблема выбора.

По каждому пункту я пытался что-то придумать, и даже были всякие экзотические решения (например, сжатие словаря размером 37МБ в 12МБ и помещение в ОП). Но потом я понял, что все-таки я не программист.

Сразу говорю, это не 'задание для приема на работу'. Собственная инициатива, для создания общественно полезной вещи, т.е. не только для себя. Напишите, что еще требует уточнения.

 

[Фанат]

Писать за тебя никто не будет, так что придется самому.

Почитай про регулярные выражения.
Потом подумай, что это такое вообще - слово. Это явно набор определенных символов. Каких?
А дальше просто

 

[svetohod]

Писать за тебя никто не будет, так что придется самому.

Почитай про регулярные выражения.
Потом подумай, что это такое вообще - слово. Это явно набор определенных символов. Каких?
А дальше просто

Я не смогу решить задачу чисто технически, без философских размышлений о предмете, а это долгое, нудное, многовариантное и отвлеченное занятие. Выражаясь жаргонно, здесь нужен технарь.

Слово - одновременно является множеством и единицей.
Множество - подстрока, отражающая общие признаки всех известных слов.
Единица - подстрока, отражающая конкретные признаки известного слова.
Обобщение - действие по созданию множества.
Признаки слова - 1) набор символов (алфавит) 2) очередность символов 3) длина (количество символов вдоль оси измерения) 4) число по каждому символу N) можно придумывать любые признаки (грамматические -ч.р,род,чис.., морфологические -прист,кор,оконч,.., смысловые и др.).
Общие признаки слова - 1) общий набор символов слов 2) общие правила очередности (следования) символов 3) мин., средняя, макс. длина слова.
Сравнение - выяснение схожести двух и более предметов, имеющих сравнимый набор признаков, при установленном отношении схожести.
Число - выражение отношения в определенной системе измерения, длины, количества, наличия.
Единица измерения - ...
и т.д.

Все это и многое другое связано с определением понятия 'слово'.

 

[Фанат]

Дааааа... Уважаю. Таакой талант редко встречается.
Если отвлечься от всех этих высоких материй, чем отличается слово от не слова?
ну или еще проще - что у нас нсходится между словами?

 

[svetohod]

Дааааа... Уважаю. Таакой талант редко встречается.
Если отвлечься от всех этих высоких материй, чем отличается слово от не слова?
ну или еще проще - что у нас нсходится между словами?

Если взять слово 'дом' и число '12', то они отличаются длиной - 3/2, набором символов - дом/12, типом символов (языком) - рус+альфафит/рус+анг+цифра, значением - вещь с именем дом / число равное 12.

Вы про пробелы? Это разделительный знак, отступ. Или в смысле, что между словами находится величина схожести этих слов?

 

[Фанат]

не надо усложнять.
технари не потому технари, что они какие-то особенные, а потому что не усложняют на пустом месте.

Ты в своих рассуждениях уже упомянул простой технический признак, по которому можно отделать слова друг от друга.
Вот и дальше отталкивайс от чисто технических признаков. Технология работает с символами, а не со смыслом.
Поэтому все смысловые характеристики оставь для диссертации. и занимайся только внешними.