Schwarze Schafe automatisiert finden

Ich stand vor kurzer Zeit vor dem Problem, wie man schnell voneinander abgeschriebenen Text in Protokollen finden kann. Die Protokolle wurden alle im Word-Format abgegeben. Dafür gibt es ein paar nette Helfer, die ich hier vorstellen möchte:
  1. Antiword wandelt .doc in einfache Textdateien um
  2. cat_open_xml.pl ist ein Perl-Skript für die gleiche Aufgabe bei .docx
  3. Das Paket similarity-tester kann sehr einfach Textfiles vergleichen
Und hier ein kleines Skript zur Automatisierung. Es geht davon aus, dass das Perl-Skript und die Word-Dateien im gleichen Verzeichnis liegen. Namensähnlichkeiten zum Tagesgeschehen sind natürlich nur Zufall.
#!/bin/bash
#Das Gutti-Skript: Wir finden Duplikate

#Aufräumen
rm *.txt

#Störende Leerzeichen entfernen
for i in *\ *
        do mv "$i" "${i// /_}"
done

#.doc umwandeln
for i in *.doc
        do antiword $i >& $i.txt
done

#.docx umwandeln
for i in *.docx
        do ./cat_open_xml.pl $i >& $i.txt
done

#Texte vergleichen und nach Ähnlichkeit in Prozent auflisten
sim_text -e -s -p -T *.txt
Natürlich muss man Treffer noch manuell nachkontrollieren.

Name

Url

Meine Eingaben merken?

Titel:

Text:


JCaptcha - du musst dieses Bild lesen können, um das Formular abschicken zu können
Neues Bild

 

User Status

Du bist nicht angemeldet.

Suche

 

Aktuelle Beiträge

VDR 1.7 auf Dockstar
weiss jemand wie man die abhängigkeit lösen...
karsten (Gast) - 16. Apr, 10:20
Umzug
Nach ganzen sechs Jahren ist hier nun Schluss und der...
Barahir - 3. Jan, 21:11
Ich hab versucht das...
Ich hab versucht das Verzeichnis anzupassen, das hat...
Barahir - 15. Nov, 13:22

Charts Lieblingskünstler - Diese Woche

RSS Box

Converting a Robotic Motor For Lego Blocks
The Internet has brought a lot of advantage to life,...
Al Williams - 22. Jun, 17:30
Ask Hackaday: SawStop — Bastion of Safety or Patent Troll
At first glance, SawStop seems like a hacker’s...
Adam Fabio - 22. Jun, 16:01
Detecting Mobile Phone Transmissions With a Sound Card
Anyone who had a cheap set of computer speakers in...
Lewin Day - 22. Jun, 13:00
Hacked Sea Scooter Lives Another Day
The Seadoo GTI Sea Scooter is a simple conveyance,...
Lewin Day - 22. Jun, 10:00
Decoding NRSC-5 with SDR to Get In Your Car
NRSC-5 is a high-definition radio standard, used primarily...
Lewin Day - 22. Jun, 07:00
The Silence of the Fans
The good thing about using a server-grade machine as...
Dan Maloney - 22. Jun, 04:00
Robot Draws Using Robust CNC
While initially developed for use in large factory...
Bryan Cockfield - 22. Jun, 01:00
Vorstellung
„Was machen Sie so beruflich?“ „Ich...
Torsten - 20. Jun, 22:50
How to fix the Dell light black printer issue
In 2015 I bought an Dell C1660w printer. Since now...
Joern - 5. Apr, 20:13
Passiv-agressive Push-Nachrichten
„Drei neue Nachrichten! Lies sie oder lass es...
Torsten - 3. Apr, 09:46
It’s a Mess
„Ich muss Dir was sagen. Hast du Signal?“ „Nee,...
Torsten - 28. Jan, 13:23
From Russia with love
Der Universal-Ratschlag „Schalten Sie den Computer...
Torsten - 12. Dez, 13:06
Who are you?
Deine Gene sind nur die API. Doch Du bist der Quelltext.
Torsten - 21. Jun, 11:01
Nerd ist…
…wenn in der neuen Wohnung das WLAN steht, bevor...
Torsten - 20. Jun, 10:06
KI Canary
Ich entkalke meine Kaffeemaschine nicht, bis sie mich...
Torsten - 4. Apr, 09:45

Status

Online seit 3885 Tagen
Zuletzt aktualisiert: 16. Apr, 10:20