テキスト処理の基礎（2017）の履歴(No.2) - OGI-Wiki

履歴一覧
差分を表示
現在との差分を表示
ソースを表示
テキスト処理の基礎（2017）へ行く。
- 1 (2017-06-05 (月) 22:52:47)
- 2 (2017-06-05 (月) 23:01:17)
- 3 (2017-06-06 (火) 09:34:23)
- 4 (2017-06-07 (水) 13:23:31)
- 5 (2017-06-07 (水) 13:23:31)
- 6 (2017-06-09 (金) 08:38:44)
- 7 (2017-06-13 (火) 15:20:30)
- 8 (2017-06-13 (火) 15:20:30)

2017/06/06

テキストデータ

テキストファイルとテキストエディタ
- 授業資料/テキストデータとは
  - 拡張子 txt,csv,tsv,htm,xml
- 授業資料/テキストエディタ
  - 授業資料/覚えておきたいショートカットキー
文字コード=符号化文字集合
- テレタイプの話から
  - 制御記号
  - 改行文字 CR, LF, CRLF
- 文字集合
- 符号化方式
- JIS, Shift-JIS, CP932, EUC-JP
- UTF-8, UTF-16
  - LE Little Endian ,BE Big Endian
  - BOM Byte Order Mark
cf. http://www.kanzaki.com/docs/jcode.html

正規表現（grepからタグ付き正規表現まで）
- 授業資料/正規表現
- タグ付き正規表現
  - 後方参照

XML

マークアップ言語とXML
- HTMLとXML
  - SGML,XHTML
- タグ、要素、属性、属性値
  - 開始タグ、修了タグ、空タグ
  - <タグ属性="属性値">テキスト<子要素/></タグ>
- 空要素
  - <br/>と<br></br>
- XPath
  - 軸 Axis
- 述語 predicate
- XSLT
  - HTMLへの変換
  - ひまわり用XSLT
XMLの文書定義と検証
- XML文書の検証
- Well-formed（整形式）
- Valid（妥当）
  - DTD
  - XMLスキーマ
  - RELAX NG
- ホワイトスペース

ツール

コマンドライン（基礎とバッチファイル）
- とりあえずdir(ls), copy(cp), ren
ツールを組み合わせた処理
- Diff
- "ブリコラージュ"
  - テキストデータとExcel