Мобильная версияУ меня есть эти файлы:
ro_file_path = r'd:\3\ro\incotro-vezi-tu-privire.html'
en_file_path = r'd:\3\en\where-do-you-see-look.html'
Output = d:\3\Output\where-do-you-see-look.html
ЗАДАЧА: Сравните 3 тега ниже в обоих файлах.
Требования:
- Все теги заключаются между: и
- Посчитайте теги в RO, посчитайте теги в EN и сравните.
Затем подсчитайте слова в тегах в RO и сравните с количеством слов в тегах в EN. - Сравнивает html-теги в RO с html теги в EN, по порядку, и отображает уникальные теги из обоих файлов.
Stiu ca este dificil sa conduci la inceput, dar dupa 4-5 luni inveti.
Imi place sa merg la scoala si sa invat, mai ales in timpul saptamanii.
Sunt un bun conducator auto, dar am facut si greseli din care am invatat.
În fond, cele scrise de mine, sunt adevarate.
Iubesc sa conduc masina.
Ma iubesti?
Stiu ca este dificil sa conduci la inceput, dar dupa 4-5 luni inveti.
Totul se repetă, chiar și ochii care nu se vad.
BEE servesc o cafea 2 mai buna
EN d:\3\en\where-do-you-see-look.html
I like going to school and learning, especially during the week.
I'm a good driver, but I've also made mistakes that I've learned from.
Basically, what I wrote is true.
I love driving.
I know it's difficult to drive at first, but after 4-5 months you learn.
Everything is repeated, even the eyes that can't see.
Ожидаемый результат: d:\3\Output\where-do-you-see-look.html
Stiu ca este dificil sa conduci la inceput, dar dupa 4-5 luni inveti.
I like going to school and learning, especially during the week.
I'm a good driver, but I've also made mistakes that I've learned from.
Basically, what I wrote is true.
Ma iubesti?
I love driving.
I know it's difficult to drive at first, but after 4-5 months you learn.
Everything is repeated, even the eyes that can't see.
BEE servesc o cafea 2 mai buna
Код Python должен сравнивать теги html в RO с тегами html в EN и отображать в выводе уникальные теги в обоих файлах, принимая во внимание, что большинство тегов в RO имеют соответствующие значения. перевод в тегах на EN. Но идея кода в том, что код находит в RO и те html-теги, которые были пропущены при переводе в EN.
Вот как я придумал решение в коде Python . Я выполнил простой расчет.
Первый метод:
Сначала вам нужно посчитать все теги в ro, затем все теги в en.
Затем вам нужно запомнить каждый тип тегов в ro, а затем и в en.
Затем вам нужно посчитать слова в каждом теге в ro и слова в каждом тег в ru.
Не забывайте, что одинаковых тегов может быть 2, но на разных строках, как и в РО.
Затем нужно статистически посчитать результат. Сколько стоят теги в ro минус теги в en?
Второй метод, позволяющий проверить выходные данные, — распечатать экран. Сравните всю часть ro и всю часть en отдельно с помощью OCR, затем построчно посмотрите, какие теги в ro имеют плюс по сравнению с тегами в en.
КОД PYTHON:< /strong>
import re
import os
def extract_tags(content):
start = content.find('')
end = content.find('')
if start == -1 or end == -1:
raise ValueError("Marcajele 'ARTICOL START' sau 'ARTICOL FINAL' lipsesc.")
section_content = content[start:end]
pattern = re.compile(r'
(?:)?.*?
', re.DOTALL)
tags = []
for idx, match in enumerate(pattern.finditer(section_content), 1):
tag = match.group(0)
text = re.sub(r']+>', '', tag).strip()
if '' in tag or '' in tag:
tag_type = 'span'
elif 'class="text_obisnuit2"' in tag:
tag_type = 'text_obisnuit2'
else:
tag_type = 'text_obisnuit'
tags.append({
'index': idx,
'tag': tag,
'text': text,
'type': tag_type,
'word_count': len(text.split())
})
return tags
def find_matching_pairs(ro_tags, en_tags):
matched_indices = set()
used_en = set()
for i, ro_tag in enumerate(ro_tags):
for j, en_tag in enumerate(en_tags):
if j in used_en:
continue
if ro_tag['type'] == en_tag['type']:
word_diff = abs(ro_tag['word_count'] - en_tag['word_count'])
if word_diff
Подробнее здесь: https://stackoverflow.com/questions/791 ... n-en-folde
