Este problema es una oportunidad para mostrar el uso de funciones generadoras.
Un generador es una función que se comporta como un iterador, y que puede ser usada en un for
. Esta función usa yield x
en lugar de return x
, y la diferencia es que sigue ejecutando luego del yield
.
Primera aproximación:
for linea in sig_linea("quij.txt", 20):
print(linea)
En una análisis top-down, iniciamos una solución suponiendo un generador sig_linea()
que lee texto del archivo y lo entrega en líneas de largo máximo 20.
¿Cómo funcionaría sig_linea()
? Tendrá que leer las líneas originales y dividirlas en palabras, rejuntandolas hasta obtener algo no más largo de 20:
def sig_linea(archivo, ancho):
# Extrae una línea de ancho dado
linea = ''
for trozo in sig_trozo(archivo):
if len(linea) + len(trozo) > ancho:
yield linea
linea = trozo
else:
linea += trozo
La función sig_trozo
devuelve una palabra o bien el relleno de blancos que las separada. Si lee la línea
la mona jacinta
retornara cinco trozos: "la", " ", "mona", " ", "jacinta"
.
La idea es que la salida refleje las separaciones originales en el texto, incluyendo los cambios de línea.
Por cada trozo obtenido, se chequea primero que quepa en la línea en formación. Si no es así, se retorna la línea tal como esta y luego se la reinicializa con el trozo actual.
Para obtener los trozos usamos la expresión regular (\s+|\S+)
, que es bien simple: reconoce una secuencia de white-spaces o de non-white-spaces, o sea, palabras.
def sig_trozo(archivo):
# Extrae una palabra o una secuencia de espacios
patron = re.compile("(\s+|\S+)")
with open(archivo, "r") as entrada:
for linea in entrada:
m = patron.findall(linea)
for trozo in m:
yield trozo
Demo
import re
def sig_trozo(archivo):
# Extrae una palabra o una secuencia de espacios
patron = re.compile("(\s+|\S+)")
with open(archivo, "r") as entrada:
for linea in entrada:
m = patron.findall(linea)
for trozo in m:
yield trozo
def sig_linea(archivo, ancho):
# Extrae una línea de ancho dado
linea = ''
for trozo in sig_trozo(archivo):
if len(linea) + len(trozo) > ancho:
yield linea
linea = trozo
else:
linea += trozo
for linea in sig_linea("quij.txt", 20):
print(linea)
Texto
El ingenioso hidalgo don Quijote de la Mancha 123456789-123456789-1
TASA Yo, Juan Gallo de Andrada, escribano de Cámara del Rey nuestro
señor, de los que residen en su Consejo, certifico y doy fe que,
habiendo visto por los señores dél un libro intitulado El ingenioso
hidalgo de la Mancha, compuesto por Miguel de Cervantes Saavedra,
tasaron cada pliego del dicho libro a tres maravedís y medio; el cual
tiene ochenta y tres pliegos, que al dicho
produce:
El ingenioso
hidalgo don Quijote
de la Mancha
123456789-123456789-1
TASA Yo, Juan
Gallo de Andrada,
escribano de Cámara
del Rey nuestro
señor, de los que
residen en su
Consejo, certifico y
doy fe que,
habiendo visto por
los señores dél un
libro intitulado El
ingenioso hidalgo de
la Mancha,
compuesto por Miguel
de Cervantes
Saavedra, tasaron
cada pliego del
dicho libro a tres
maravedís y medio;
el cual tiene
ochenta y tres
pliegos, que al
dicho precio monta