Konkordanz

[Mick]

hallo

ich möchte eine konkordaz programmieren für einen recht großen text, im prinzip so wie die hilfe funktioniert.
wie mach ich denn das ich quasi die ganzen stichwörter seperat speicher?
oder muss ich das gar nicht?
wie mach ich den denn zugriff später drauf?


danke schon im vorraus

[Daniel]

Für all diejenigen, die genau so "blöd" sind wie ich, hier eine Definiton des Begriffes Konkordanz aus wissen.de:

Zitat von wissen.de:

Konkordanz

Philologie
alphabetische Zusammenstellung der Begriffe oder Wörter eines religiösen oder literarischen Werkes mit Angabe aller Stellen.

[Mick]

schöner hät ich es nicht formulieren können

danke

und genau sowas will ich machen....

[Chewie]

Du müsstest zunächst mal einen Parser basteln, der einzelne Wörter erkennen kann. Einzelne Wörtersind in der Regel durch Leerzeichen und Zeilenumbrüche getrennt, die Satzzeichen kannst du ignorieren. Schwieriger wird es, wenn es getrennte Wörter gibt, dann müsstest du noch den Bindestrich berücksichtigen.
Willst du eigentlich alle Wörter erfassen oder nur einige? Denn banale Wörter wie beispielsweise Artikel düften sehr häufig vorkommen.

[Mick]

Zitat von Chewie:

Du müsstest zunächst mal einen Parser basteln.

was ist denn ein Parser?

Zitat von Chewie:

Willst du eigentlich alle Wörter erfassen oder nur einige? Denn banale Wörter wie beispielsweise Artikel düften sehr häufig vorkommen.

vom prinzip würde ich auch nur "wichtige" wörter nehmen. aber da ist das problem, das ich hier so ca 1000 seiten habe. wie hole ich denn die "wichtigen" wörter raus?
ich kann ja schlecht mir die ganzen seiten vor nehmen und schauen was für wörter alles interresannt sein könnten...

[sakura]

Zitat von Mick:

was ist denn ein Parser?

Letztenendes ist hier ein Programm gemeint, welches die Wörter findet und erkennt.

Zitat von Mick:

ich kann ja schlecht mir die ganzen seiten vor nehmen und schauen was für wörter alles interresannt sein könnten...

Es wird so oder so Arbeit. Lass das Programm vorne anfangen und Du entscheidest dann, für jedes gefundene Wort, ob dieses aufgenommen wird. Gefundene Wörter werden indiziert. Abgelehnte Wörter werden "notiert", so dass diese Wörter beim nächsten Auftreten automatisch ignoriert werden. Indizierte Wörter sollten natürlich auch automatisch erkannt werden, so dass Du diese nicht mehrmals bestätigen musst.

......