Tarea #5 [solución]

Mini Google

      Utilice el estractor de palabras de la tarea anterior para producir un programa que reciba palabras clave y a partir de ellas produza una lista de los párrafos que las contienen. Para lograrlo, utilice una base de datos SQLite que contengan tablas en las que están almacenadas las listas de palabras clave que su programa html2par genera.

      La tabla de indexación de párrafos debe contener, por lo menos, el nombre del archivo del párrafo, la palabra clave de indexación y la cantidad de veces que aparece esa palabra clave en el párrafo. Además, en otra tabla debe guardar todos los párrafos.

• CLAVE( STR_clave, NUM_qty, ID_parrafo )
• PARRAFO ( ID_parrafo, STR_texto )

      Su solución debe incluir 2 programas. El primero es una versión ampliada del programa html2par de la tarea anterior el que crea la base de datos MINI_GOOGLE.db en donde quedan todos los datos almacenados. El segundo es el programa uGoogle.exe que permite consultar la base de datos que indexa los párrafos.

X:\DIR\SubDir> cd /d F:\ecci\curso

F:\ecci\curso> html2par html2par.txt MINI_GOOGLE
html2par: Lectura de configuracion html2par.txt
- NO existe archivo de configuracion html2par.txt
- NO existe archivo de configuracion MINI_GOOGLE
html2par: Fin de ejecucion

F:\ecci\curso> html2par html2par.cfg MINI_GOOGLE.db
html2par: Lectura de configuracion html2par.cfg
- Ya existe MINI_GOOGLE.db
- Borrando MINI_GOOGLE.db
- Generando MINI_GOOGLE.db
- Creado F:/ecci/curso/MINI_GOOGLE.db
html2par: Fin de ejecucion

F:\ecci\curso> cd /d C:\DOCS\2012
C:\DOCS\2012> uGoogle -n=100 -db=F:/ecci/curso/MINI_GOOGLE.db linda casa vision
uGoogle: carga de la base de datos
- db==F:/ecci/curso/MINI_GOOGLE.db
- n==100: Cantidad maxima de parrafos
- r==72: Cantidad maxima de palabras por renglon

2012-2/p2-ta-1.htm:
La linda casa vista en el plano alto.
...

2012-2/p2-ta-1.htm:
cese el vaso de ...

uGoogle: Fin de ejecucion (256 parrafos encontrados)

      Su program debe aceptar 3 parámetros opcionales que modifican su comportamiento. El parámetro "n" sirve para limitar la cantidad de párrafos que uGoogle.exe produce. El valor de "r" sirve para que que los renglones que uGoogle.exe graba tengan siempre una longitud máxima y el parámetro "db" indica adónde está la base de datos a utilizar. Los valores por defecto para estos parámetros son n==10, r==72 y db==uGoogle.db. Note que su programa pone las barritas inclinadas siempre hacia adelante '/' aún si al ejecutar el programa se usan hacia atrás '\'.

      Entregue su tarea por correo electrónico, como lo hizo anteriormente.

Entrega de Tareas

Soluciones

Adolfo Di Mare <adolfo@di-mare.com>.
Copyright © 2012
Derechos de autor reservados © 2012