Чтение информации из текстовых файлов

Делаешь сайт, выкладываешь туда эти доки, гугель индексирует и записывает в базу.

Есть, maxcom не ее делает? Или Тутутбалин? Или Тоботрас?

"...подселение не предлагать"

В принципе, можно было написать самому, но это и без того затянет процесс реализации проджекта. Хотя фичка вроде как востребована в масштабах конторы.

Создай тему в девелопменте, подпусти слезы: «я делаю doc2txt, а получается какая-то ерунда, помогите».

Но, конечно, самый смак будет сделать через опенофис на пайтоне. Не, даже не на пайтоне, а посадить пару теток копировать из райтера в кальк и оттуда сохранять в csv.

Ну есть Apache POI для чтения .doc. Но лучше .xls, так как там хоть структура похожая на таблицу

Спасибо.

К жабке имею навык так себе, дополнительный стимул для вкуривания.

catdoc+скрипт на Perl/Python/...+mysqlimport

Есть, и ты представляешь собой ее последнюю модель.

Спс, у мну Пострес развёрнута.

Интересно, а с каких пор doc — это текстовый файл?

На winfaq — наверняка есть интерпрайзное решение.

Ну, аналог же есть там какой-то. Вопрос был про «какую-нибудь БД».

google://ETL

Спасибо, это к слову про Пострес.

если выберешь Apatar - можешь стучаться с вопросами

вообще да, есть готовые opensource решения, но оно все уж больно монстрообразно и энтерпрайзно

оно все уж больно монстрообразно и энтерпрайзно

Вот-вот. Не, в принципе можно и написать. Тем более, что спрос есть. Со временем туго на джастфорфан.

программулина/либа для считывания текстовой информации, скажем, из doc-файлов

antiword

У любой нормальной «какой-нибудь БД» есть средства загрузки данных из файлов. Могу сказать что в sqlite это точно есть. Сепаратор в текстовом файле присутствует?

Сепаратор в текстовом файле присутствует?

В смысле? Текстовый файл - обычная таблица.

Т.е. таблица в вордовском .doc-файле? Не хорошо, батенька. А в .xls ее можешь преобразовать?

В смысле?

Ну для загрузки файла в базу нужно чтобы колонки разделялись символом-сепаратором. Чаще всего это ';' иногда может использоваться TAB, это не важно, главное — сепаратор должен быть. Если есть таблица в екселе, то ее можно сохранить как текстовый файл с разделителем. И уже этот файл грузи куда хош.

Не хорошо

Девелоперов таблиц много.

Спасибо, я примерно понял.

Если xls, то можно ssconvert-ом в CSV, далее везде.

sed же

Интересно, а с каких пор doc — это текстовый файл?

всегда был. только пожат LZ77/78. ну и со своим NIH-форматированием.

Ну не вся правда же. Если бы это было так, то проблем с его разбором не было бы. Вы почему-то выпустили из виду всякие бинарные вкрапления.

Ну не вся правда же. Если бы это было так, то проблем с его разбором не было бы. Вы почему-то выпустили из виду всякие бинарные вкрапления.

ну да, COM та ещё песня.

всякие бинарные вкрапления

А разве из топика не очевидно, что речь не о бинарных вкраплениях?