質問編集履歴
4
一部修正
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -145,8 +145,7 @@
|
|
|
145
145
|
タイトルは取得できましたが，idnumが表示されてないです．
|
|
146
146
|
```terminal
|
|
147
147
|
|
|
148
|
-
|
|
149
|
-
|
|
148
|
+
最後の方を表示
|
|
150
149
|
|
|
151
150
|
title is 島田洋七(ID:).
|
|
152
151
|
title is 大砂土村(ID:).
|
3
ソースコード，状況などを更新．
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -57,7 +57,7 @@
|
|
|
57
57
|
ソースコード
|
|
58
58
|
---
|
|
59
59
|
|
|
60
|
-
```Wiki_getter3_title
|
|
60
|
+
```Wiki_getter3_title.c
|
|
61
61
|
#include <stdio.h>
|
|
62
62
|
#include <stdlib.h>
|
|
63
63
|
#include <string.h>
|
|
@@ -94,11 +94,11 @@
|
|
|
94
94
|
int len = p2 - p1;
|
|
95
95
|
if (len >= 0)
|
|
96
96
|
{
|
|
97
|
-
|
|
97
|
+
memcpy(title, p1, len);//これをやるべきなのか？参考までに
|
|
98
|
-
//
|
|
98
|
+
//fseek(fp, -b, SEEK_CUR);
|
|
99
|
-
fseek(fp, p + (p1 - line), SEEK_SET); //<title>まで戻る
|
|
99
|
+
//fseek(fp, p + (p1 - line), SEEK_SET); //<title>まで戻る
|
|
100
|
-
fgets(title, len + 1, fp); //読み込んでタイトルに格納
|
|
100
|
+
//fgets(title, len + 1, fp); //読み込んでタイトルに格納
|
|
101
|
-
|
|
101
|
+
title[len] = '\0'; // 終端記号を忘れずに追加
|
|
102
102
|
|
|
103
103
|
char *p3, *p4;
|
|
104
104
|
p3 = strstr(line, "<id>");
|
|
@@ -113,180 +113,51 @@
|
|
|
113
113
|
int len = p4 - p3;
|
|
114
114
|
if (len >= 0)
|
|
115
115
|
{
|
|
116
|
-
|
|
116
|
+
memcpy(idnum, p1, len);//これをやるべきなのか？参考までに
|
|
117
117
|
// fseek(fp, -b, SEEK_CUR);
|
|
118
|
-
fseek(fp, p + (p3 - line), SEEK_SET); //<
|
|
118
|
+
//fseek(fp, p + (p3 - line), SEEK_SET); //<id>まで戻る
|
|
119
|
-
fgets(idnum, len + 1, fp); //読み込んでタイトルに格納
|
|
119
|
+
//fgets(idnum, len + 1, fp); //読み込んでタイトルに格納
|
|
120
|
-
|
|
120
|
+
idnum[len] = '\0'; // 終端記号を忘れずに追加
|
|
121
121
|
|
|
122
122
|
|
|
123
|
-
|
|
123
|
+
|
|
124
|
-
// fprintf(fw, "%s\n", title);
|
|
125
124
|
}
|
|
126
125
|
}
|
|
127
126
|
}
|
|
128
|
-
printf("title\tis\t%s
|
|
127
|
+
printf("title\tis\t%s\tID:%s\n", title, idnum);
|
|
128
|
+
fprintf(fw, "%s\t%s\n", line,idnum);
|
|
129
129
|
}
|
|
130
130
|
|
|
131
|
-
|
|
131
|
+
|
|
132
|
-
if (strstr(line, "<page>"))
|
|
133
|
-
pb[0]=p;
|
|
134
|
-
else if (strstr(line, "</page>")){
|
|
135
|
-
pb[1] = p - pb[0]+1;
|
|
136
|
-
fseek(fp,-pb[1],SEEK_SET);
|
|
137
|
-
|
|
138
|
-
fprintf(stderr, "start=%d size=%d BUFSIZ=%d\n", pb[0], pb[1], BUFSIZ);
|
|
139
|
-
// printf("%d",fp);
|
|
140
|
-
fgets(line,pb[1],fp);
|
|
141
|
-
//fwrite(pb, sizeof(size_t), 2, fw); // ...
|
|
142
|
-
//fprintf(fw, "%hhd\t%hhd\n", pb[0], pb[1]); //... 名残
|
|
143
|
-
fprintf(fw,"%s \n",line);
|
|
144
|
-
}
|
|
145
|
-
*/
|
|
146
|
-
/*
|
|
147
|
-
fseek(fp, pb[0], SEEK_SET);
|
|
148
|
-
pb[0] = p;
|
|
149
|
-
printf("現在のファイルポインタの位置は「%d」です。, 読み込むバイトは「%d」\n", pb[0], pb[1]); //
|
|
150
|
-
fread(line, sizeof(char), pb[1], fp);
|
|
151
|
-
fprintf(gt, "%s \n", line);
|
|
152
|
-
line[pb[1]] = 0;
|
|
153
|
-
}
|
|
154
|
-
*/
|
|
155
132
|
}
|
|
156
133
|
printf("process ok");
|
|
157
134
|
free(line);
|
|
135
|
+
free(idnum);
|
|
158
136
|
free(title);
|
|
159
137
|
fclose(fp);
|
|
160
138
|
fclose(fw);
|
|
161
139
|
}
|
|
162
|
-
#include <stdio.h>
|
|
163
|
-
#include <stdlib.h>
|
|
164
|
-
#include <string.h>
|
|
165
|
-
#define SIZE 256 * 1024 * 1024
|
|
166
|
-
int main()
|
|
167
|
-
{
|
|
168
|
-
|
|
169
|
-
int p = 0;
|
|
170
|
-
int b = 0;
|
|
171
|
-
int pb[5] = {};
|
|
172
|
-
int id = 0;
|
|
173
|
-
char *idnum = malloc(SIZE);
|
|
174
|
-
char *line = malloc(SIZE);
|
|
175
|
-
char *title = malloc(SIZE);
|
|
176
|
-
FILE *fp = NULL; //読み込み
|
|
177
|
-
FILE *fw = NULL; //書き込み
|
|
178
|
-
fp = fopen("get_text_all.txt", "r");
|
|
179
|
-
fw = fopen("get_title_id.txt", "w");
|
|
180
|
-
if ((fp == NULL) || (fw == NULL))
|
|
181
|
-
{
|
|
182
|
-
printf("failed load ファイル");
|
|
183
|
-
abort();
|
|
184
|
-
}
|
|
185
|
-
|
|
186
|
-
while (p = ftell(fp), fgets(line, BUFSIZ, fp))
|
|
187
|
-
{
|
|
188
|
-
char *p1, *p2;
|
|
189
|
-
p1 = strstr(line, "<title>");
|
|
190
|
-
p2 = strstr(line, "</title>");
|
|
191
|
-
if (p1 && p2) // 1行に両方見つかった
|
|
192
|
-
{
|
|
193
|
-
b = strlen("<title>");
|
|
194
|
-
p1 += strlen("<title>"); // <title>の次の位置
|
|
195
|
-
int len = p2 - p1;
|
|
196
|
-
if (len >= 0)
|
|
197
|
-
{
|
|
198
|
-
// memcpy(title, p1, len);//これをやるべきなのか？参考までに
|
|
199
|
-
// fseek(fp, -b, SEEK_CUR);
|
|
200
|
-
fseek(fp, p + (p1 - line), SEEK_SET); //<title>まで戻る
|
|
201
|
-
fgets(title, len + 1, fp); //読み込んでtitleに格納
|
|
202
|
-
// title[len] = '\0'; // 終端記号を忘れずに追加
|
|
203
|
-
|
|
204
|
-
char *p3, *p4;
|
|
205
|
-
p3 = strstr(line, "<id>");
|
|
206
|
-
p4 = strstr(line, "</id>");
|
|
207
|
-
// frite();
|
|
208
|
-
// fprintf(fw, "%s\n", title);
|
|
209
|
-
|
|
210
|
-
if (p3 && p4) // 1行に両方見つかった
|
|
211
|
-
{
|
|
212
|
-
b = strlen("<id>");
|
|
213
|
-
p3 += strlen("</id>"); // <title>の次の位置
|
|
214
|
-
int len = p4 - p3;
|
|
215
|
-
if (len >= 0)
|
|
216
|
-
{
|
|
217
|
-
// memcpy(title, p1, len);//これをやるべきなのか？参考までに
|
|
218
|
-
// fseek(fp, -b, SEEK_CUR);
|
|
219
|
-
fseek(fp, p + (p3 - line), SEEK_SET); //<title>の始点へ移動．
|
|
220
|
-
fgets(idnum, len + 1, fp); //読み込んでidnumに格納
|
|
221
|
-
// title[len] = '\0'; // 終端記号を忘れずに追加
|
|
222
|
-
|
|
223
|
-
|
|
224
|
-
// frite();
|
|
225
|
-
// fprintf(fw, "%s\n", title);
|
|
226
|
-
}
|
|
227
|
-
}
|
|
228
|
-
}
|
|
229
|
-
printf("title\tis\t%s(ID:%s).\n", title, idnum);
|
|
230
|
-
}
|
|
231
|
-
|
|
232
|
-
/*
|
|
233
|
-
if (strstr(line, "<page>"))
|
|
234
|
-
pb[0]=p;
|
|
235
|
-
else if (strstr(line, "</page>")){
|
|
236
|
-
pb[1] = p - pb[0]+1;
|
|
237
|
-
fseek(fp,-pb[1],SEEK_SET);
|
|
238
|
-
|
|
239
|
-
fprintf(stderr, "start=%d size=%d BUFSIZ=%d\n", pb[0], pb[1], BUFSIZ);
|
|
240
|
-
// printf("%d",fp);
|
|
241
|
-
fgets(line,pb[1],fp);
|
|
242
|
-
//fwrite(pb, sizeof(size_t), 2, fw); // ...
|
|
243
|
-
//fprintf(fw, "%hhd\t%hhd\n", pb[0], pb[1]); //... 名残
|
|
244
|
-
fprintf(fw,"%s \n",line);
|
|
245
|
-
}
|
|
246
|
-
*/
|
|
247
|
-
/*
|
|
248
|
-
fseek(fp, pb[0], SEEK_SET);
|
|
249
|
-
pb[0] = p;
|
|
250
|
-
printf("現在のファイルポインタの位置は「%d」です。, 読み込むバイトは「%d」\n", pb[0], pb[1]); //
|
|
251
|
-
fread(line, sizeof(char), pb[1], fp);
|
|
252
|
-
fprintf(gt, "%s \n", line);
|
|
253
|
-
line[pb[1]] = 0;
|
|
254
|
-
}
|
|
255
|
-
*/
|
|
256
|
-
}
|
|
257
|
-
printf("process ok");
|
|
258
|
-
free(line);
|
|
259
|
-
free(title);
|
|
260
|
-
fclose(fp);
|
|
261
|
-
fclose(fw);
|
|
262
|
-
}
|
|
263
140
|
|
|
264
141
|
```
|
|
265
142
|
エラーについて．
|
|
266
143
|
---
|
|
267
|
-
以下に示しますが，idが表示されず，取得したタイトルは後半部分がおかしくなってます．
|
|
144
|
+
以下に示しますが，titleは表示されていますがidnumが表示されず，~~打ち消し線取得したタイトルは後半部分がおかしくなってます．~~
|
|
268
|
-
|
|
145
|
+
タイトルは取得できましたが，idnumが表示されてないです．
|
|
269
146
|
```terminal
|
|
270
|
-
|
|
147
|
+
|
|
271
|
-
title is 双子 (映画)(ID:0).
|
|
272
|
-
title is 鍋島閑叟(ID:0).
|
|
273
|
-
title is 産業奨励会館(ID:0).
|
|
274
|
-
title is ユダヤ史関連人物の一覧(ID:0).
|
|
275
148
|
|
|
276
149
|
略
|
|
277
150
|
|
|
278
|
-
(ID:).
|
|
151
|
+
title is 島田洋七(ID:).
|
|
279
|
-
title is
|
|
152
|
+
title is 大砂土村(ID:).
|
|
280
|
-
title is
|
|
153
|
+
title is J級潜水艦 (イギリス海軍)(ID:).
|
|
281
|
-
title is <ns>0</ns>
|
|
282
|
-
(ID:).//改行コードも読んでる？
|
|
283
|
-
title is <ns>0</ns>
|
|
284
|
-
(ID:).//改行コードも読んでる？
|
|
285
|
-
title is
|
|
154
|
+
title is ランカウイ島(ID:).
|
|
286
|
-
title is
|
|
155
|
+
title is 外山雄三(ID:).
|
|
287
|
-
|
|
156
|
+
title is 工藤順子(ID:).
|
|
157
|
+
process ok
|
|
288
|
-
```
|
|
158
|
+
```
|
|
289
|
-
ループの終了位置をミスしているのかな？
|
|
159
|
+
~~ループの終了位置をミスしているのかな？~~
|
|
160
|
+
idnumが空っぽいですね．
|
|
290
161
|
|
|
291
162
|
参考程度にget_all_textの一例と欲しい部分です。これが大量に入ったファイルが欲しいです。
|
|
292
163
|
```get_all_text.txt
|
2
コード修正など．
test
CHANGED
|
@@ -1 +1 @@
|
|
|
1
|
-
|
|
1
|
+
[c]wikiのdumpデータから読み込んだ出力がおかしい
|
test
CHANGED
|
@@ -2,8 +2,8 @@
|
|
|
2
2
|
---
|
|
3
3
|
自然言語処理について勉強しています。
|
|
4
4
|
Wikipediaのdumpデータから本文を抜き出して処理をしようと思ってます。
|
|
5
|
-
|
|
5
|
+
、出力結果が想定とは全然違って困っています。
|
|
6
|
-
欲しい出力は,,<title>
|
|
6
|
+
欲しい出力は,,<title>hoge</title>と<id>hoge</id>の中身です。(hoge部分)
|
|
7
7
|
後述の出力の一文字目が？になってて困っています。
|
|
8
8
|
プログラミングはあまり得意ではないです。
|
|
9
9
|
|
|
@@ -75,7 +75,7 @@
|
|
|
75
75
|
FILE *fp = NULL; //読み込み
|
|
76
76
|
FILE *fw = NULL; //書き込み
|
|
77
77
|
fp = fopen("get_text_all.txt", "r");
|
|
78
|
-
fw = fopen("get_t
|
|
78
|
+
fw = fopen("get_title_id.txt", "w");
|
|
79
79
|
if ((fp == NULL) || (fw == NULL))
|
|
80
80
|
{
|
|
81
81
|
printf("failed load ファイル");
|
|
@@ -118,14 +118,14 @@
|
|
|
118
118
|
fseek(fp, p + (p3 - line), SEEK_SET); //<title>まで戻る
|
|
119
119
|
fgets(idnum, len + 1, fp); //読み込んでタイトルに格納
|
|
120
120
|
// title[len] = '\0'; // 終端記号を忘れずに追加
|
|
121
|
-
|
|
121
|
+
|
|
122
122
|
|
|
123
123
|
// frite();
|
|
124
124
|
// fprintf(fw, "%s\n", title);
|
|
125
125
|
}
|
|
126
126
|
}
|
|
127
127
|
}
|
|
128
|
-
printf("title\tis\t%s(ID:%
|
|
128
|
+
printf("title\tis\t%s(ID:%s).\n", title, idnum);
|
|
129
129
|
}
|
|
130
130
|
|
|
131
131
|
/*
|
|
@@ -159,37 +159,141 @@
|
|
|
159
159
|
fclose(fp);
|
|
160
160
|
fclose(fw);
|
|
161
161
|
}
|
|
162
|
+
#include <stdio.h>
|
|
163
|
+
#include <stdlib.h>
|
|
164
|
+
#include <string.h>
|
|
165
|
+
#define SIZE 256 * 1024 * 1024
|
|
166
|
+
int main()
|
|
167
|
+
{
|
|
168
|
+
|
|
169
|
+
int p = 0;
|
|
170
|
+
int b = 0;
|
|
171
|
+
int pb[5] = {};
|
|
172
|
+
int id = 0;
|
|
173
|
+
char *idnum = malloc(SIZE);
|
|
174
|
+
char *line = malloc(SIZE);
|
|
175
|
+
char *title = malloc(SIZE);
|
|
176
|
+
FILE *fp = NULL; //読み込み
|
|
177
|
+
FILE *fw = NULL; //書き込み
|
|
178
|
+
fp = fopen("get_text_all.txt", "r");
|
|
179
|
+
fw = fopen("get_title_id.txt", "w");
|
|
180
|
+
if ((fp == NULL) || (fw == NULL))
|
|
181
|
+
{
|
|
182
|
+
printf("failed load ファイル");
|
|
183
|
+
abort();
|
|
184
|
+
}
|
|
185
|
+
|
|
186
|
+
while (p = ftell(fp), fgets(line, BUFSIZ, fp))
|
|
187
|
+
{
|
|
188
|
+
char *p1, *p2;
|
|
189
|
+
p1 = strstr(line, "<title>");
|
|
190
|
+
p2 = strstr(line, "</title>");
|
|
191
|
+
if (p1 && p2) // 1行に両方見つかった
|
|
192
|
+
{
|
|
193
|
+
b = strlen("<title>");
|
|
194
|
+
p1 += strlen("<title>"); // <title>の次の位置
|
|
195
|
+
int len = p2 - p1;
|
|
196
|
+
if (len >= 0)
|
|
197
|
+
{
|
|
198
|
+
// memcpy(title, p1, len);//これをやるべきなのか？参考までに
|
|
199
|
+
// fseek(fp, -b, SEEK_CUR);
|
|
200
|
+
fseek(fp, p + (p1 - line), SEEK_SET); //<title>まで戻る
|
|
201
|
+
fgets(title, len + 1, fp); //読み込んでtitleに格納
|
|
202
|
+
// title[len] = '\0'; // 終端記号を忘れずに追加
|
|
203
|
+
|
|
204
|
+
char *p3, *p4;
|
|
205
|
+
p3 = strstr(line, "<id>");
|
|
206
|
+
p4 = strstr(line, "</id>");
|
|
207
|
+
// frite();
|
|
208
|
+
// fprintf(fw, "%s\n", title);
|
|
209
|
+
|
|
210
|
+
if (p3 && p4) // 1行に両方見つかった
|
|
211
|
+
{
|
|
212
|
+
b = strlen("<id>");
|
|
213
|
+
p3 += strlen("</id>"); // <title>の次の位置
|
|
214
|
+
int len = p4 - p3;
|
|
215
|
+
if (len >= 0)
|
|
216
|
+
{
|
|
217
|
+
// memcpy(title, p1, len);//これをやるべきなのか？参考までに
|
|
218
|
+
// fseek(fp, -b, SEEK_CUR);
|
|
219
|
+
fseek(fp, p + (p3 - line), SEEK_SET); //<title>の始点へ移動．
|
|
220
|
+
fgets(idnum, len + 1, fp); //読み込んでidnumに格納
|
|
221
|
+
// title[len] = '\0'; // 終端記号を忘れずに追加
|
|
222
|
+
|
|
223
|
+
|
|
224
|
+
// frite();
|
|
225
|
+
// fprintf(fw, "%s\n", title);
|
|
226
|
+
}
|
|
227
|
+
}
|
|
228
|
+
}
|
|
229
|
+
printf("title\tis\t%s(ID:%s).\n", title, idnum);
|
|
230
|
+
}
|
|
231
|
+
|
|
232
|
+
/*
|
|
233
|
+
if (strstr(line, "<page>"))
|
|
234
|
+
pb[0]=p;
|
|
235
|
+
else if (strstr(line, "</page>")){
|
|
236
|
+
pb[1] = p - pb[0]+1;
|
|
237
|
+
fseek(fp,-pb[1],SEEK_SET);
|
|
238
|
+
|
|
239
|
+
fprintf(stderr, "start=%d size=%d BUFSIZ=%d\n", pb[0], pb[1], BUFSIZ);
|
|
240
|
+
// printf("%d",fp);
|
|
241
|
+
fgets(line,pb[1],fp);
|
|
242
|
+
//fwrite(pb, sizeof(size_t), 2, fw); // ...
|
|
243
|
+
//fprintf(fw, "%hhd\t%hhd\n", pb[0], pb[1]); //... 名残
|
|
244
|
+
fprintf(fw,"%s \n",line);
|
|
245
|
+
}
|
|
246
|
+
*/
|
|
247
|
+
/*
|
|
248
|
+
fseek(fp, pb[0], SEEK_SET);
|
|
249
|
+
pb[0] = p;
|
|
250
|
+
printf("現在のファイルポインタの位置は「%d」です。, 読み込むバイトは「%d」\n", pb[0], pb[1]); //
|
|
251
|
+
fread(line, sizeof(char), pb[1], fp);
|
|
252
|
+
fprintf(gt, "%s \n", line);
|
|
253
|
+
line[pb[1]] = 0;
|
|
254
|
+
}
|
|
255
|
+
*/
|
|
256
|
+
}
|
|
257
|
+
printf("process ok");
|
|
258
|
+
free(line);
|
|
259
|
+
free(title);
|
|
260
|
+
fclose(fp);
|
|
261
|
+
fclose(fw);
|
|
262
|
+
}
|
|
162
263
|
|
|
163
264
|
```
|
|
164
265
|
エラーについて．
|
|
165
266
|
---
|
|
166
|
-
以下に示しますが，取得したタイトル
|
|
267
|
+
以下に示しますが，idが表示されず，取得したタイトルは後半部分がおかしくなってます．
|
|
167
|
-
idは仮でこの後作る予定です．
|
|
168
268
|
|
|
169
269
|
```terminal
|
|
170
|
-
title is 「?進村 (ID:0)」.
|
|
171
|
-
title is 「?トル封神 (ID:0)」.
|
|
172
|
-
title is 「?津宗久 (ID:0)」.
|
|
173
|
-
title is 「?岡県立浜北西高等学校 (ID:0)」.
|
|
174
|
-
title
|
|
270
|
+
title is 遠山景晋(ID:0).
|
|
271
|
+
title is 双子 (映画)(ID:0).
|
|
175
|
-
title
|
|
272
|
+
title is 鍋島閑叟(ID:0).
|
|
176
|
-
title is 「?ビエト連邦最高会議 (ID:0)」.
|
|
177
|
-
title
|
|
273
|
+
title is 産業奨励会館(ID:0).
|
|
178
|
-
title is 「?砂土村 (ID:0)」.
|
|
179
|
-
title is 「??潜水艦 (イギリス海軍) (ID:0)」.
|
|
180
|
-
title
|
|
274
|
+
title is ユダヤ史関連人物の一覧(ID:0).
|
|
275
|
+
|
|
276
|
+
略
|
|
277
|
+
|
|
278
|
+
(ID:).
|
|
279
|
+
title is <ns>0</n(ID:).//<ns>0</ns>の一部を読んでる？
|
|
181
|
-
title
|
|
280
|
+
title is <ns>0</n(ID:).
|
|
281
|
+
title is <ns>0</ns>
|
|
282
|
+
(ID:).//改行コードも読んでる？
|
|
283
|
+
title is <ns>0</ns>
|
|
284
|
+
(ID:).//改行コードも読んでる？
|
|
182
|
-
title
|
|
285
|
+
title is <ns>0</n(ID:).
|
|
286
|
+
title is <ns>0</n(ID:).
|
|
183
287
|
|
|
184
288
|
```
|
|
185
|
-
|
|
289
|
+
ループの終了位置をミスしているのかな？
|
|
186
|
-
|
|
290
|
+
|
|
187
|
-
参考程度にa
|
|
291
|
+
参考程度にget_all_textの一例と欲しい部分です。これが大量に入ったファイルが欲しいです。
|
|
188
292
|
```get_all_text.txt
|
|
189
293
|
<page>
|
|
190
|
-
<title>鳥取砂丘</title>
|
|
294
|
+
<title>鳥取砂丘</title>//ここが欲しい
|
|
191
|
-
<ns>0</ns>
|
|
295
|
+
<ns>0</ns>//ここはいらない
|
|
192
|
-
<id>19812</id>
|
|
296
|
+
<id>19812</id>//ここも欲しい
|
|
193
297
|
<revision>
|
|
194
298
|
<id>53717095</id>
|
|
195
299
|
<parentid>53211643</parentid>
|
1
ソース修正
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -47,7 +47,7 @@
|
|
|
47
47
|
<sha1>chmmooepsrvwuo4n0ziki50nn5rvhj7</sha1>
|
|
48
48
|
</revision>
|
|
49
49
|
//</page>の手前までで終わっている．
|
|
50
|
-
<page>
|
|
50
|
+
<page>//次のページ
|
|
51
51
|
...
|
|
52
52
|
...
|
|
53
53
|
```
|
|
@@ -65,76 +65,99 @@
|
|
|
65
65
|
int main()
|
|
66
66
|
{
|
|
67
67
|
|
|
68
|
-
|
|
68
|
+
int p = 0;
|
|
69
|
-
|
|
69
|
+
int b = 0;
|
|
70
|
-
|
|
70
|
+
int pb[5] = {};
|
|
71
|
-
|
|
71
|
+
int id = 0;
|
|
72
|
-
|
|
72
|
+
char *idnum = malloc(SIZE);
|
|
73
|
-
|
|
73
|
+
char *line = malloc(SIZE);
|
|
74
|
-
|
|
74
|
+
char *title = malloc(SIZE);
|
|
75
|
-
|
|
75
|
+
FILE *fp = NULL; //読み込み
|
|
76
|
-
|
|
76
|
+
FILE *fw = NULL; //書き込み
|
|
77
|
-
|
|
77
|
+
fp = fopen("get_text_all.txt", "r");
|
|
78
|
-
|
|
78
|
+
fw = fopen("get_text_title.txt", "w");
|
|
79
|
-
|
|
79
|
+
if ((fp == NULL) || (fw == NULL))
|
|
80
|
+
{
|
|
81
|
+
printf("failed load ファイル");
|
|
82
|
+
abort();
|
|
83
|
+
}
|
|
84
|
+
|
|
85
|
+
while (p = ftell(fp), fgets(line, BUFSIZ, fp))
|
|
86
|
+
{
|
|
87
|
+
char *p1, *p2;
|
|
88
|
+
p1 = strstr(line, "<title>");
|
|
89
|
+
p2 = strstr(line, "</title>");
|
|
90
|
+
if (p1 && p2) // 1行に両方見つかった
|
|
80
91
|
{
|
|
92
|
+
b = strlen("<title>");
|
|
93
|
+
p1 += strlen("<title>"); // <title>の次の位置
|
|
94
|
+
int len = p2 - p1;
|
|
95
|
+
if (len >= 0)
|
|
96
|
+
{
|
|
97
|
+
// memcpy(title, p1, len);//これをやるべきなのか？参考までに
|
|
98
|
+
// fseek(fp, -b, SEEK_CUR);
|
|
99
|
+
fseek(fp, p + (p1 - line), SEEK_SET); //<title>まで戻る
|
|
100
|
+
fgets(title, len + 1, fp); //読み込んでタイトルに格納
|
|
101
|
+
// title[len] = '\0'; // 終端記号を忘れずに追加
|
|
102
|
+
|
|
103
|
+
char *p3, *p4;
|
|
104
|
+
p3 = strstr(line, "<id>");
|
|
105
|
+
p4 = strstr(line, "</id>");
|
|
106
|
+
// frite();
|
|
107
|
+
// fprintf(fw, "%s\n", title);
|
|
108
|
+
|
|
109
|
+
if (p3 && p4) // 1行に両方見つかった
|
|
110
|
+
{
|
|
81
|
-
|
|
111
|
+
b = strlen("<id>");
|
|
112
|
+
p3 += strlen("</id>"); // <title>の次の位置
|
|
113
|
+
int len = p4 - p3;
|
|
114
|
+
if (len >= 0)
|
|
115
|
+
{
|
|
116
|
+
// memcpy(title, p1, len);//これをやるべきなのか？参考までに
|
|
117
|
+
// fseek(fp, -b, SEEK_CUR);
|
|
118
|
+
fseek(fp, p + (p3 - line), SEEK_SET); //<title>まで戻る
|
|
119
|
+
fgets(idnum, len + 1, fp); //読み込んでタイトルに格納
|
|
120
|
+
// title[len] = '\0'; // 終端記号を忘れずに追加
|
|
82
|
-
a
|
|
121
|
+
id = atoi(idnum);
|
|
122
|
+
|
|
123
|
+
// frite();
|
|
124
|
+
// fprintf(fw, "%s\n", title);
|
|
125
|
+
}
|
|
126
|
+
}
|
|
127
|
+
}
|
|
128
|
+
printf("title\tis\t%s(ID:%d).\n", title, id);
|
|
83
129
|
}
|
|
84
130
|
|
|
85
|
-
while (p = ftell(fp), fgets(line, BUFSIZ, fp))
|
|
86
|
-
{
|
|
87
|
-
|
|
131
|
+
/*
|
|
88
|
-
|
|
132
|
+
if (strstr(line, "<page>"))
|
|
133
|
+
pb[0]=p;
|
|
89
|
-
|
|
134
|
+
else if (strstr(line, "</page>")){
|
|
90
|
-
if (p1 && p2) // 1行に両方見つかった
|
|
91
|
-
{
|
|
92
|
-
b = strlen("<title>");
|
|
93
|
-
p1 += strlen("<title>"); // <title>の次の位置
|
|
94
|
-
|
|
135
|
+
pb[1] = p - pb[0]+1;
|
|
95
|
-
if (len >= 0)
|
|
96
|
-
{
|
|
97
|
-
// memcpy(title, p1, len);//これをやるべきなのか？参考までに
|
|
98
|
-
|
|
136
|
+
fseek(fp,-pb[1],SEEK_SET);
|
|
99
|
-
|
|
137
|
+
|
|
100
|
-
fgets(title, len - 1, fp); //読み込んでタイトルに格納
|
|
101
|
-
// title[len] = '\0'; // 終端記号追加（いるのか不安）
|
|
102
|
-
|
|
138
|
+
fprintf(stderr, "start=%d size=%d BUFSIZ=%d\n", pb[0], pb[1], BUFSIZ);
|
|
103
|
-
// frite();
|
|
104
|
-
|
|
139
|
+
// printf("%d",fp);
|
|
140
|
+
fgets(line,pb[1],fp);
|
|
141
|
+
//fwrite(pb, sizeof(size_t), 2, fw); // ...
|
|
142
|
+
//fprintf(fw, "%hhd\t%hhd\n", pb[0], pb[1]); //... 名残
|
|
143
|
+
fprintf(fw,"%s \n",line);
|
|
105
|
-
|
|
144
|
+
}
|
|
145
|
+
*/
|
|
146
|
+
/*
|
|
147
|
+
fseek(fp, pb[0], SEEK_SET);
|
|
148
|
+
pb[0] = p;
|
|
149
|
+
printf("現在のファイルポインタの位置は「%d」です。, 読み込むバイトは「%d」\n", pb[0], pb[1]); //
|
|
150
|
+
fread(line, sizeof(char), pb[1], fp);
|
|
151
|
+
fprintf(gt, "%s \n", line);
|
|
152
|
+
line[pb[1]] = 0;
|
|
106
|
-
|
|
153
|
+
}
|
|
107
|
-
|
|
108
|
-
|
|
154
|
+
*/
|
|
109
|
-
if (strstr(line, "<page>"))
|
|
110
|
-
pb[0]=p;
|
|
111
|
-
else if (strstr(line, "</page>")){
|
|
112
|
-
pb[1] = p - pb[0]+1;
|
|
113
|
-
fseek(fp,-pb[1],SEEK_SET);
|
|
114
|
-
|
|
115
|
-
fprintf(stderr, "start=%d size=%d BUFSIZ=%d\n", pb[0], pb[1], BUFSIZ);
|
|
116
|
-
// printf("%d",fp);
|
|
117
|
-
fgets(line,pb[1],fp);
|
|
118
|
-
//fwrite(pb, sizeof(size_t), 2, fw); // ...
|
|
119
|
-
//fprintf(fw, "%hhd\t%hhd\n", pb[0], pb[1]); //... 名残
|
|
120
|
-
fprintf(fw,"%s \n",line);
|
|
121
|
-
|
|
155
|
+
}
|
|
122
|
-
*/
|
|
123
|
-
/*
|
|
124
|
-
fseek(fp, pb[0], SEEK_SET);
|
|
125
|
-
pb[0] = p;
|
|
126
|
-
printf("現在のファイルポインタの位置は「%d」です。, 読み込むバイトは「%d」\n", pb[0], pb[1]); //
|
|
127
|
-
fread(line, sizeof(char), pb[1], fp);
|
|
128
|
-
fprintf(gt, "%s \n", line);
|
|
129
|
-
line[pb[1]] = 0;
|
|
130
|
-
}
|
|
131
|
-
*/
|
|
132
|
-
}
|
|
133
|
-
|
|
156
|
+
printf("process ok");
|
|
134
|
-
|
|
157
|
+
free(line);
|
|
135
|
-
|
|
158
|
+
free(title);
|
|
136
|
-
|
|
159
|
+
fclose(fp);
|
|
137
|
-
|
|
160
|
+
fclose(fw);
|
|
138
161
|
}
|
|
139
162
|
|
|
140
163
|
```
|