Buscar valores repetidos en 2 archivos txt

teudiss · #1 (**permalink**) 10/09/2014, 11:40

Hola, tengo dos archivos txt el primero contiene 5.000 referencias numericas con esta estructura:

100
200
300
400
...
4.000
5.000

el segundo contiene codigo html y puede o no puede tener los datos del primer txt.

Necesito recorrer el primer archivo, no se que es mejor si linea a linea o pasarlo a un array separado por comas y luego comparar cada una de las referencias numericas con el segundo archivo. si encuentra coincidencia...me gustaria ir introduciendolos en un array, tengo el siquiente codigo, creo que no voy por buen camino, a ver si me podeis ayudar.

Código PHP:

    $contenido_referencias = ('cache/referencias.txt');     // contiene referencias    

 $contenido_html = file('cache/html.txt');    //contiene codigo html

     foreach ($contenido_referencias as $cuales)

{

             

             list() = explode(",",$cuales);

             $igual = array_search ( $cuales, $contenido_html ); 

               if ( $igual ) 

               { 

                  echo "resultado";  // aqui voy introduciendo las referencias en un array[].

                   } 

            }

javier6_almansa · #2 (**permalink**) 10/09/2014, 12:35

Cita:

Iniciado por teudiss

Hola, tengo dos archivos txt el primero contiene 5.000 referencias numericas con esta estructura:

100
200
300
400
...
4.000
5.000

el segundo contiene codigo html y puede o no puede tener los datos del primer txt.

Necesito recorrer el primer archivo, no se que es mejor si linea a linea o pasarlo a un array separado por comas y luego comparar cada una de las referencias numericas con el segundo archivo. si encuentra coincidencia...me gustaria ir introduciendolos en un array, tengo el siquiente codigo, creo que no voy por buen camino, a ver si me podeis ayudar.

Código PHP:

    $contenido_referencias = ('cache/referencias.txt');     // contiene referencias    

 $contenido_html = file('cache/html.txt');    //contiene codigo html

     foreach ($contenido_referencias as $cuales)

{

             

             list() = explode(",",$cuales);

             $igual = array_search ( $cuales, $contenido_html ); 

               if ( $igual ) 

               { 

                  echo "resultado";  // aqui voy introduciendo las referencias en un array[].

                   } 

            }

Creo que lo mejor es crearte dos array y en cada uno poner las referencias ( con explode o como lo tengas separado en el txt), luego recorres el primer array con un for, y dentro recorres el segundo, y vas comparando referencias:

Código PHP:

   
$referencias1 = array();

$referencias2 = array();

 
// Añades las referencias de cada archivo a su correspondiente array

 
// .....

 
// Y los recorres guardando los valores duplicados en otro array

 
$duplicados = array();

 
foreach($referencias1 as $referencia1){

       foreach($referencias2 as $referencia2){

               if($referencia1 == $referencia2){

                     $duplicados[] = referencia2;

               }

       }

}

Dalam · #3 (**permalink**) 10/09/2014, 13:02

Si pones el codigo de tu html te podria ayudar mas por que hay que tener encuenta varias cosas.

Cita:

Comprobar el formato numerico, para que si por ejemplo tienes el numero 1000 no te lance errores por que php reconocera como 0,1,10,100,1000. Mirando la estructura de tu html se podria hacer con regex facilmente.

Cita:

Para obtener el array de tu archivo de referencias no tendras mas que usar un file y te crea el array. Asegurate de filtrar los saltos de linea, tabulaciones, espacios en blanco, etc.

teudiss · #4 (**permalink**) 10/09/2014, 13:18

Cita:

Iniciado por Dalam

Si pones el codigo de tu html te podria ayudar mas por que hay que tener encuenta varias cosas.

javier6_almansa esa idea me valdria si el segundo archivo a comparar no fueses codigo html .

Dalam, este seria el codigo html. "te pego aqui arriba los numeros en rojo que quiero buscar desde el otro array"

href="ver.asp?id=3870">523014</a>
href="ver.asp?id=3869">523013</a>
href="ver.asp?id=3868">523012</a>

Código HTML:

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<title>Documento sin título</title>
</head>
<body>
<tr><td valign="top" width="33%" style="border-right:1px solid #746955">
<table width="150" border="0" align="center"><tr><td style="color:#352A16; font-weight:bold"><!--a class="noticias" href="ver.asp?cid="-->Ref. <span style="color:#ffffff"><a class="producto" href="ver.asp?id=3870">523014</a></span>
<!-- /a --></td></tr>
<tr><td align="center" onClick="javascript:(window.location.href='ver.asp?id=3870')" onMouseOver="style.cursor='hand'">
<img src="http://www.forosdelweb.com/f18/fotos/523014_449.jpg">
</td></tr>
<tr><td style="background-color:#732028;color:#FFFFFF;line-height:17px;" align="center">160 X 2,8 X 180 cm.</td></tr>
</table>
</td>

<td valign="top" width="33%" style="border-right:1px solid #746955">
<table width="150" border="0" align="center"><tr><td style="color:#352A16; font-weight:bold"><!--a class="noticias" href="ver.asp?cid="-->Ref. <span style="color:#ffffff"><a class="producto" href="ver.asp?id=3869">523013</a></span><!-- /a --></td></tr>
<tr><td align="center" onClick="javascript:(window.location.href='ver.asp?id=3869')" onMouseOver="style.cursor='hand'">
<img src="http://www.forosdelweb.com/f18/fotos/523013_448.jpg">
</td></tr>
<tr><td style="background-color:#732028;color:#FFFFFF;line-height:17px;" align="center">160 X 2 X 180 cm.</td></tr>
</table>
</td>

<td valign="top" width="33%">
<table width="150" border="0" align="center"><tr><td style="color:#352A16; font-weight:bold"><!--a class="noticias" href="ver.asp?cid="-->Ref. <span style="color:#ffffff"><a class="producto" href="ver.asp?id=3868">523012</a></span><!-- /a --></td></tr>
<tr><td align="center" onClick="javascript:(window.location.href='ver.asp?id=3868')" onMouseOver="style.cursor='hand'">
<img src="http://www.forosdelweb.com/f18/fotos/523012_447.jpg">
</td></tr>
<tr><td style="background-color:#732028;color:#FFFFFF;line-height:17px;" align="center">160 X 2,6 X 180 cm.</td></tr>
</table>
</td>
</tr>
</body>
</html>

Dalam · #5 (**permalink**) 10/09/2014, 15:06

No lo e chequeado, pero esto deberia de valerte

Código PHP:

Ver original<?php
function GetProducts($file){
    $regex = "|class=\"producto\"[^>]+>([0-9]*)</[^>]+>|U";
    if(!is_file($file)) return false;
    preg_match_all($regex,file_get_contents($file), $result);
    foreach($result[1] as $key =>$value) $result[$key] = (int) $value;
    return $result;
}
 
function GetListProducts($file){
    if(!is_file($file)) return false;
    $array = array_filter(file($file));
    foreach($array as $key =>$value) $array[$key] = (int) $value;
    return $array;
}
 
function Check($fileReference,$fileHtml){
    $list = GetListProducts($fileReference);
    $html = GetProducts($fileHtml);
    if($list !== false && $html !== false)
        $products = array_intersect($html,$list);
    else
        return false;
    return $products;
}
 
 
//ejemplo de uso con referencia de tus archivos
$products = Check('cache/referencias.txt','cache/html.txt');
//Mostramos el array con los resultados por ejemplo
print_r($products);

teudiss · #6 (**permalink**) 11/09/2014, 04:28

Cita:

Iniciado por Dalam

No lo e chequeado, pero esto deberia de valerte

Código PHP:

Ver original<?php
function GetProducts($file){
    $regex = "|class=\"producto\"[^>]+>([0-9]*)</[^>]+>|U";
    if(!is_file($file)) return false;
    preg_match_all($regex,file_get_contents($file), $result);
    foreach($result[1] as $key =>$value) $result[$key] = (int) $value;
    return $result;
}
 
function GetListProducts($file){
    if(!is_file($file)) return false;
    $array = array_filter(file($file));
    foreach($array as $key =>$value) $array[$key] = (int) $value;
    return $array;
}
 
function Check($fileReference,$fileHtml){
    $list = GetListProducts($fileReference);
    $html = GetProducts($fileHtml);
    if($list !== false && $html !== false)
        $products = array_intersect($html,$list);
    else
        return false;
    return $products;
}
 
 
//ejemplo de uso con referencia de tus archivos
$products = Check('cache/referencias.txt','cache/html.txt');
//Mostramos el array con los resultados por ejemplo
print_r($products);

Dalam, Perfecto !!!!! funciona pero me he dado cuenta que algunas referencias tienen este formato:

1027C
5611 4020
5396-4185
834006-5-7
5601GR 4325GR
2182CR(2)
1458-54-63-55
A034FS

He estado haciendo pruebas con ex regulares y no consigo sacarlas.

Exite alguna forma de que busque entre > < cualquier caracte, espacio guiones etc...????

Dalam · #7 (**permalink**) 12/09/2014, 02:52

Cita:

Iniciado por teudiss

Dalam, Perfecto !!!!! funciona pero me he dado cuenta que algunas referencias tienen este formato:

1027C
5611 4020
5396-4185
834006-5-7
5601GR 4325GR
2182CR(2)
1458-54-63-55
A034FS

He estado haciendo pruebas con ex regulares y no consigo sacarlas.

Exite alguna forma de que busque entre > < cualquier caracte, espacio guiones etc...????

Código PHP:

Ver original<?php
function GetProducts($file){
    $regex = "|class=\"producto\"[^>]+>(.*)</[^>]+>|U";
    if(!is_file($file)) return false;
    preg_match_all($regex,file_get_contents($file), $result);
    $result = array_filter($result[1]);
    return $result;
}
 
function GetListProducts($file){
    if(!is_file($file)) return false;
    $array = array_filter(file($file));
    return $array;
}
 
function Check($fileReference,$fileHtml){
    $list = GetListProducts($fileReference);
    $html = GetProducts($fileHtml);
    if($list !== false && $html !== false)
        $products = array_intersect($html,$list);
    else
        return false;
    return $products;
}
 
 
//ejemplo de uso con referencia de tus archivos
$products = Check('cache/referencias.txt','cache/html.txt');
//Mostramos el array con los resultados por ejemplo
print_r($products);

Cita:

Asi busca todas las ocurrencias que esten entre class=\"producto\"> y <