Роман, да, выбрать только тексты "строка". Насчет повторений, то они в принципе бывают только в пределах блока, поэтому как проще, по всему файлу или по блокам. Может вам на почту скинуть пример файла, а то что-нибудь не правильно напишу :(
P.S. Размер файла может быть приличным, и 10 Мб и 20 Мб. Не знаю, наверное максимальный это 50 Мб.
Shtogrin, описание формата где-то в сети есть, но боюсь оно мало поможет...
Словами считаются 2-(7-fluorophenyl)pyrrolidine и 2-(7-Fluoro-phenyl)-pyrrolidine.
Т.е. то, что содержится в "полях" <name> и <name2>
Т.е. запись может быть вида:
> <name> (1)
2-(7-fluorophenyl)pyrrolidine; 2-(7-fluorophenyl)pyrrolidine и тогда надо убирать повтор. Проблема в том как их отловить, а удалить даже руками удобнее.
Сорри :)
По разному, может быть слово слово1 слово, а может быть слово слово слово1... Грубо говоря. Да и разделены "слова" символом ;
Роман, вот пример записи в файле:
-ISIS- 08060722352D 12 13 0 0 0 0 0 0 0 0999 V2000 1.0417 -1.3917 0.0000 N 0 0 0 0 0 0 0 0 0 0 0 0 0.0708 0.1042 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 0.9375 -0.3958 0.0000 C 0 0 3 0 0 0 0 0 0 0 0 0 0.0708 1.1042 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 -0.7917 -0.3958 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 -1.6583 1.1042 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 -1.6583 0.1042 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 -0.7917 1.6042 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 -2.5250 1.6042 0.0000 F 0 0 0 0 0 0 0 0 0 0 0 0 2.0208 -1.6000 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 1.8542 0.0083 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 2.5208 -0.7333 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 2 3 1 0 0 0 0 3 1 1 0 0 0 0 4 2 1 0 0 0 0 5 2 2 0 0 0 0 6 8 1 0 0 0 0 7 5 1 0 0 0 0 8 4 2 0 0 0 0 9 6 1 0 0 0 0 10 1 1 0 0 0 0 11 3 1 0 0 0 0 12 10 1 0 0 0 0 12 11 1 0 0 0 0 6 7 2 0 0 0 0 M END > <Cas> (1) [72246-06-9] > <name> (1) 2-(7-fluorophenyl)pyrrolidine > <name2> (1) 2-(7-Fluoro-phenyl)-pyrrolidine $$$$ -ISIS- 08060722352D 11 11 0 0 0 0 0 0 0 0999 V2000 5.8891 -4.8912 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 4.3014 -5.7002 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 5.3013 -5.7002 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 4.8014 -7.2389 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 5.6104 -6.6512 0.0000 N 0 0 0 0 0 0 0 0 0 0 0 0 4.8014 -8.2389 0.0000 Cl 0 0 0 0 0 0 0 0 0 0 0 0 3.9923 -6.6512 0.0000 O 0 0 0 0 0 0 0 0 0 0 0 0 5.4825 -3.9777 0.0000 O 0 0 0 0 0 0 0 0 0 0 0 0 6.8836 -4.9958 0.0000 O 0 0 0 0 0 0 0 0 0 0 0 0 7.2903 -5.9094 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 8.2848 -6.0140 0.0000 C 0 0 0 0 0 0 0 0 0 0 0 0 1 8 2 0 0 0 0 7 2 1 0 0 0 0 3 5 1 0 0 0 0 4 7 1 0 0 0 0 4 6 1 0 0 0 0 5 4 2 0 0 0 0 1 9 1 0 0 0 0 3 1 1 0 0 0 0 9 10 1 0 0 0 0 2 3 2 0 0 0 0 10 11 1 0 0 0 0 M END > <name> (2307) Ethyl 3-chlorooxazole-5-carboxylate > <name2> (2307) 3-Chloro-oxazole-5-carboxylic acid ethyl ester
Каждая новая запись начинается с $$$$
Dinozavr, вот примерно такие могут быть "слова":
1) 2-(2-bromophenyl) pyrrolidine
2) 4-(2-Bromophenyl)-1,4-dihydro-2,6-dimethyl-3,5-pyridinedicarboxylic acid diethyl ester
3) tert-Butyl 4-{[(Benzyl)(2-bromophenyl)amino]carbonyl}piperidine-1-carboxylate
Shtogrin, Роман, такой вариант устроит. :) Просто это надо искать кто его напишет, а хотелось бы обойтись собственными силами...
P.S. hardnoob , во-первых, не надо мне тыкать, а во-вторых, не надо писать пустые сообщения, лучше промолчите... Рекламу жвачки вспомните...
Verlinov, понимаете ли, каждый имеет право на свою точку зрения, но я не понимаю когда в таких спорных вопросах люди начинают ссылаться на не существующие правила... И говорить, это не верно с точки зрения стандарта или еще чего-то... В интернете и всем что с ним связано очень часто именно пользователи или веб мастера устанавливают правила, а не какие-то там "авторитеты"... Тенденции могут меняться, но нельзя категорично говорить что табличная верстка не имеет право не существование как не правильная... Почему она не правильная?
Почти точно из-за этого...
Скажите пожалуйста, кто установил правила и стандарты... Это из той же оперы что сайт должен отзываться адресу без www и только без www, типа www уже поддомен и все такое... Навыдумывают каких-то правил и пытаются их насаждать... Почему более правильно, кто сказал? :)
Пользуюсь, на свой страх и риск :)
