GNU grep 2.13

Порядка трёх сотен. Какое правило в русском языке имеет такой же порядок исключений? :)

То ли дело кириллица/латиница − комбинирование символов в слова, всё просто и понятно. И изучать язык легче на много порядков. Проще читать, проще писать и печатать. Даже если не знаешь значения слова, то хотя бы можешь прочитать и запомнить его чтобы потом узнать что почём. Короче, сливает азиатчина...

Если б все писали иероглифы, то письменно все бы друг друга понимали. Кстати в повседневной жизни 4-5 тыщ иероглифов хватает вполне. Они достаточно логичные (по своему, по китайски). В словаре реально искать иероглиф, который видишь впервые.

Прикинь, что например амеры думают про кириллицу, особенно глядя на твою аватарку.

Правда? Где мне прочесть правила?

Я думаю buddhist имеет с виду, что там не все «от балды» а есть заметные закономерности.

Иначе говоря, правил типа «Ж и Ш пиши с буквой И» там нет, но зато эти «неправильности» понятны для людей, знакомых с историей языка.

P.S. К тому же, этих «неправильных» глаголов в английском довольно мало.

Попробуй заменить через sed подстроку в текстовике гигов на 20, и увидишь что будет с памятью и свопом, если у тебя 4 гига оперативки.

У меня 8, но, что будет я хорошо знаю. :)
Ладно, sed это хорошо, а что про grep-то? У тебя есть двадцатигиговые файлы без единого /n?

В учебнике староанглийского? :)

Сейчас — да.

Sed весь поток засасывает в память.

4.2.

Запусти:

for ((a=0;;a++)); do echo «sed is not stream editor»; done |sed s/^/4.2:/ >/dev/null

славянские языки

зависимость смысла от порядка слов

Вот это как раз неверно, см. http://ru.wikipedia.org/wiki/Аналитический_язык

У японцев есть азбука, вощемто.

Хм, походу действительно допилили. Раньше было просто нереально обработать файл, размер которого больше память+своп.

Хм, походу действительно допилили. Раньше было просто нереально обработать файл, размер которого больше память+своп.

Ты вероятно просто пытался делать sed -i, или работать с файлами без перевода строк.

Вот мы и приходим к идее создания искусственного языка с письменностью на основе образов, ведь наш мозг слова, мысли и понятия сохраняет в виде сложных образов. Если бы их можно было извлекать и записывать минуя наши стандартные каналы общения - общаться с машиной нам было бы гораздо легче. Правда «письменность» стала бы невероятно сложной, подходящей только для работы с машинными интерфейсами. На самом деле и подход китайцев к письменности, и подход европейцев - оба имеют свои плюсы и минусы. Нужна возможность обмениваться образами, на уровне которых работает мозг.

Да вьетнамцев привели в пример. А про различия в сложности китайского языка и вьетнамского не упомянули. Про то, что эта письменность общая для многих непохожих друг на друга диалектов - тоже. Убрать её - и китайцы перестанут понимать друг друга вообще:)

Ой, не стоит, пожалуй образы прямо из мозга извлекать. Безопаснее как-нибудь по старинке, а то же побьют.

Да вьетнамцев привели в пример.

И что?

Например, здесь: http://www.study.ru/support/verb/

Люди даже поиск по вторым/третьим формам делают, чтобы проще в этом ориентироваться, а вы говорите мало!

Там не закономерности, там есть сходства. Но явного порядка нет. Когда начинаешь их учить, это понимаешь, и это ещё больше рвёт шаблон, что вот вроде идут похожие, а тут раз и вся закономерность к чертям.

Ну и правила, это всё же правила, безо всяких притянутых за уши «закономерностей». Насколько я понимаю, неправильные глаголы появились как упрощение частоиспользуемых глаголов. При таком порядке образования сложно надеятся, что они упростятся по каким-то там правилам.

ЗЫ. конечно же, всё сказанное имхо по собственному опыту изучения языка.

Твоя аналогия на счёт низкоуровневого английского и высокоуровневого китайского некорректна. Высокоуровневый язык подразумевает возможность построения сложных абстракций из простых элементов. Правда ли, что каждый китайский иероглиф состоит из более простых слов, которые вместе по значению организуют сложное слово?

Тут скорее лучше другая аналогия: язык с иероглифами - CISC, с буквами - RISC.

sed -i

Он просто создает временный файл, но не держит все в памяти. На больших файлах его можно успеть увидеть.

возможность построения сложных абстракций из простых элементов.

Есть такое.

каждый китайский иероглиф состоит из более простых слов, которые вместе по значению организуют сложное слово?

Не каждый. Но таких полно. Хотя бы тройки вроде 木林森. Вообще, зайди сюда и пощёлкай по случайным иероглифам, желательно тем, что выглядят достаточно брутально.

Если б все писали иероглифы, то письменно все бы друг друга понимали.

<sarcasm>Как японцы китайцев.</sarcasm>

Объясните пожалуйста мне - программисту, в чем состоит облегчение?

Спасибо за информацию, познавательно.

Спрошу у вас, как предположительно человека осведомленного: какой основной способ набора иероглифов на клавиатуре? Нечто по типу автозамены, вроде набираешь несколько простых, бах по пробелу и они превращаются в один?

Те, кто знают пиньинь, обычно юзают его. Особенно вантузятники, M$-пиньинь офигеннен, впрочем, поделки от байду и гугля тоже ничего. Работает так: набирается упрощённая транскрипция латинницей, всплывают варианты (по дефолту сами) конверсии, хоткеями выбираешь нужный, предсказание печати, все дела.

Среди тех, кто не знает или не хочет печатать пиньинем (популярно среди юзеров достаточно далёких от путунхуа языков) встречаются direct-han методы ввода. Иероглифы как правило определены однозначным сочетанием простых частей. Т.е. учишь раскладку некоторое время, потом можешь без автозамен писать сразу иероглифами, не думая об их путунхуа-чтении. Примеры: Cangjie тот же wubizixing. В IME часто реализуются свистелки вроде wildcard key и некоторого предсказания, но если очень хочется, то можно закостылить их через обычный xcompose, благо, сочетание клавиш однозначно определяет ханзи.

Плюс есть всякие извращения для юзеров мобильников типа wubihua, да и банальное рисование иероглифов с распознаванием (работает за счёт строго определённого порядка написания).

Были попытки сделать метод ввода с вводом сложных иероглифов через простые именно через те части, что выделяют этимологически, но они заглохли. Потому, что есть несколько иероглифов, фигово в это вписывающихся. Современные wubizixing и cangjie близки к этому, но разбивают ханзи на графические куски, выкидывая лишнее, а не на этимологические.

Спасибо и за этот ответ.

Впрочем, я спросил не просто так. Как вы считаете, если для того, чтобы набирать на «пиньинь» нужно знать транскрипцию латиницей, то целесообразно ли будет и уметь читать эту латинскую транскрипцию? И вообще пользоваться ею?

Не совсем правда понимаю, как эта транскрипция может быть универсальна, если вы сами (если я не ошибаюсь) сказали, что иероглифы помогают понимать друг друга через фонетические различия диалектов. Как в таком случае разговаривающие на разных диалектах могут знать единую транскрипцию?

Так пиньинь же знают не все, отсюда и альтернативные методы набора. И при наборе даже не нужны тона (без которых тебя никто не поймёт).

При наборе транскрипции предложат выбор. Иногда из десятка вариантов. Даже с тонами омофонов овердофига, поэтому путём вьетнамцев носители путунхуа пойти не могут, даже если отбросить политические причины. С другой стороны, некоторые другие языки (кантонский, к примеру) можно латинизировать с тонной диакритики (6 тонов против 4 в путунхуа, следовательно, пиньине).

Да уж, непростая ситуация.

А как например со скоростью набора? Соразмерно ли время набора на китайском (понимаю, что их много, предположим на «самом простом», если так можно выразиться) при самом эффективном методе с набором, скажем, на английском? Интересно и для двух профессиональных наборщиков, и для двух обычных пользователей.

Нравится парсить UTF-8 руками?

Порядка 160 символов в минуту для wubizixing давно норма и 300 вполне ок для профессионала, но современные умные IME на пиньине на типичной речи спокойно обгоняют любителей (за счёт предсказания, такого в английском нет). Плюс китайские слова заметно короче, поэтому сравнивать только по скорости набора некорректно. Может, по числу бит в секунду...

Все цифры для упрощённого китайского, в традиционном всё сложнее.

Плюс китайские слова заметно короче, поэтому сравнивать только по скорости набора некорректно. Может, по числу бит в секунду...

Я имел в виду не скорость набора отдельных символов, естественно. Скажем, два одинаковых текста на разных языках.

Но в целом картиная ясна. Благодарю за то, что не поленились ответить.

Пожалуй, ваша аналогия точнее будет.

«Руками»? Ну что вы, библиотек полно. Единственный недостаток UTF-8 - переменная длина символа, что затрудняет прямой доступ, но такое в чистом виде редко надо. Обычно оперировать приходится с указателями на первое/последнее вхождение подстроки и т.п.

В словаре реально искать иероглиф, который видишь впервые.

А кстати, а как они их сотрируют в словаре? Да еще и запоминают последовательность из 4-5 тысяч? Здорово, наверное, искать в в словаре неизвестный иероглиф на неизвестном месте...

Единственный недостаток UTF-8 - переменная длина символа, что затрудняет прямой доступ,

А выделение памяти под строку в n-символов, замену символов в строке и вообще редактирование куска текста не затрудняет?

Кто-то оперирует утф-8 строками в памяти? Я думал её только для трансфера и хранения данных используют, а при работе перекодируют в кодировку с постоянной длиной.

Кто-то оперирует утф-8 строками в памяти? Я думал её только для трансфера и хранения данных используют, а при работе перекодируют в кодировку с постоянной длиной.

что есть оверхед.

Да, но зато другие плюсы.

А кстати, а как они их сотрируют в словаре?

По алфавиту (пиньинь же), либо по числу черт.

Здорово, наверное, искать в в словаре неизвестный иероглиф на неизвестном месте

Есть несколько индексов для поиска; по ключу, 4угольный, по числу черт. Но с распространением электронных словарей оно не слишком нужно, в них хоть по рисунку можно искать.

«w» в латинском алфавите отсутствовал.

«w» в латинском алфавите отсутствовал.

Поэтому я и написал через плюс. Если быть совсем точным, то в классической латыни не различались I и J, V и U. J и U - такие же заплатки к латинице, как и W.

Замену, редактирование, поиск не затрудняет. Выделение памяти под n символов конечно становится уже невозможным, но вы ведь не удивляетесь тому, что смс на русском и английском языках имеют разное максимальное количествор символов. Тут дело скорее в подходе.

смс то причём тут? там в обоих вариантах кодировки с фиксированным к-вом байт на символ.

Как это не затрудняет замену? Замени кириллическую букву на латинскую...

Ну и правила, это всё же правила, безо всяких притянутых за уши «закономерностей». Насколько я понимаю, неправильные глаголы появились как упрощение частоиспользуемых глаголов. При таком порядке образования сложно надеятся, что они упростятся по каким-то там правилам.

Понимаешь неправильно.

Неправильные глаголы это глаголы, что пока еще не упрощены.

Упрощаются в первую очередь малоиспользуемые слова, т.к. человек слышит одну форму слова и потом пользуется словом, образуя другие формы по привычному шаблону. А частоиспользуемые слова упрощаются плохо, т.к. их каждый ребенок слышит с детства и легко запоминает все формы так, как их произносят окружающие.

Похожий эффект есть и в русском языке. В русском есть шесть падежей. Это вроде как правило. Но есть как минимум одно слово, где используется звательный падеж. Как ты думаешь, какое это слово и часто ли его используют? :-)

Что до того, что неправильные глаголы в английском изменяются по-разному, так это тоже тривиально. Британию завоёвывали много раз и привнесли слова разных языков вместе с правилами словообразования. Например, слово «королевский» на английском может быть «kingly», «royal» и «regal». Все варианты в принципе эквивалентны. Разница лишь в происхождении. «kingly» идет из германской группы, «royal» из французского а «regal» из латыни.

Нравится парсить UTF-8 руками?

Руками вообще-то никто ничего не парсит.

Что до сложности парсинга UTF-8 в принципе, у Вас есть заметно более простые альтернативы, да еще и без допольнительных проблем?

Я нифига не понял. По-вашему, неправильные глаголы редко используются?

А, кажется, вкурил. Ну да хоть так, хоть так, результат то один.

<sarcasm>Как японцы китайцев.</sarcasm>

Мне один тайванец говорил что так и спасался в японии - писал на бумажке и его понимали. А на англ отвечать отказывались почему-то

А кстати, а как они их сотрируют в словаре? Да еще и запоминают последовательность из 4-5 тысяч? Здорово, наверное, искать в в словаре неизвестный иероглиф на неизвестном месте...

Все иероглифы состоят из ключей, которых немного. По ним и ищут. Я уже подробности забыл (много лет прошло с универа).

смс то причём тут? там в обоих вариантах кодировки с фиксированным к-вом байт на символ.

Нет конечно, английских букв в два раза больше влезает и сообщение может содержать как те так и другие одновременно.

Замени кириллическую букву на латинскую...

Никакой принципиальной разницы между заменой «ы» на «S», и заменой «grep» на «sed» нету. Суть - замена одной последовательности на другую с возможным сдвигом, тут на кодировку вообще пофиг.