[Openoffice-es-cvs] Favor no responder:dic-es wordlist.sh,NONE,1.1

[<mga...@us...>]

Update of /cvsroot/openoffice-es/dic-es
In directory sc8-pr-cvs1:/tmp/cvs-serv26806

Added Files:
	wordlist.sh 
Log Message:
Scripts para extraer una lista de palabras a partir de un texto (se necesita linux)


--- NEW FILE: wordlist.sh ---
#!/bin/sh
# wordlist.sh
# Extractor de palabras
#------------------------------------------------------------------------------
# Uso:
# Se necesita un archivo en formato texto, talvez en UTF8,
# que contiene el texto por la cual este scripts extraerá las
# palabras (wordlist). El nombre que tendrá será TEXTO.txt
# y estará en la misma carpeta donde se ejecute el scripts.
# Luego ejecutar './wordlist.sh.
# Al final del proceso se optendrá el archivo con el
# nombre: LISTA_FINAL.txt
#------------------------------------------------------------------------------
# Marcelo Garrone <mga...@mo...> 2003
#------------------------------------------------------------------------------

# Extrae palabras para colocarlas en cada linea para después ordenarlas alfabeticamente

(for i in `cat TEXTO.txt`; do echo $i; done) | sort -u > lista.txt

# Elimina los carácteres de las palabras: puntuaciones y los signos ?!#&$¿¡|»«

tr -d '[:punct:]\?\!\#\&\$\¿\¡\|\»\«' <lista.txt > lista2.txt

# Elimina las lineas que contienen los carácteres: =@-+0123456789/()<>$_. y las que contienen mayúscula A-ZÁÉÍÓÚ

sed -e '/=/d' -e '/@/d' -e '/\-/d' -e '/+/d' -e '/[0-9]/d' -e '/\//d' -e '/(/d' -e '/)/d' -e '/</d' -e '/>/d'  -e '/^$/d' -e '/_/d' -e '/^.$/d' -e '/^[A-ZÁÉÍÓÚ][A-ZÁÉÍÓÚ]*$/d' <lista2.txt > lista3.txt

# Coloca nuevamente las palabras en cada linea para después ordenarlas alfabeticamente

(for i in `cat lista3.txt`; do echo $i; done) | sort -u -b > lista4.txt

# Borra lineas duplicadas

uniq lista4.txt LISTA_FINAL.txt

# Borra los archivos temporales creados en el proceso de extracción.

rm -f lista*