E é por isso que coloquei o link da minha assinatura? Bem onde está escrito Antes de me apresentar sua teoria científica (ou interpretação de teoria científica) revolucionária, clique AQUI ? Outro exemplo é minha gata que tava extremamente agitada quando minha mãe me disse que tinha problemas pra tirara carteira quem fosse daltonico ... acho que até mesmo o Eisntein foi adepto, mas que nem me passa pela cabeça. Sugiro que procure um urologista ou um cirurgião plástico de sua confiança. É uma decisão um tanto drástica para se tomar com base em argumentos que eximem do homem a culpa pelo aquecimento. De fato, não importa se o Sol implodisse e virasse um buraco-negro no exato instante em que você mostra que não dá pra ter muita informação. E é por isso que o word é uma praga. Kungfu vs luta de mano. Só não consegui identificar o estilo do cara. Achei que ele exagerou na postura também. Assim que a veterinária permitiu, castrei minha gata, acho que 6 meses.
Fiz um scriptzinho que pega todos os posts de um forista, dá um filtrada pra tirar alguns quotes e alimenta um "gerador de lero-lero" que cria um post usando
Cadeias de Markov. O post acima é um exemplo da saída desse programa quando alimentado com meus posts aqui do CC.
Vamos aos códigos: Para pegar os posts, fiz um
SELECT no banco de dados do fórum e joguei num arquivo. Depois, passei um script que troca as entidades HTML por caracteres UTF-8 e usei o seguinte pra filtrar as coisas de bbcode.
#!/bin/sed -f
/row \**/d
s/^body: //
s/^M//g
s|\[code.\*/code]||
s|\[quote.\*/quote]||
s#\[\(url\|img\)\].*\[/\(url\|img\)\]##g
s|https\?://[^]<[:space:]]*||g
s#\[/\?\(b\|u\|i\|s\|tt\|list\|li\|ul=?\|nobbc\|url=\?\|size\=\?[^]]*\|color=\?[^]]*\|abbr=\?[^]]*\|quote=\?[^]]*\)\]##g
s#<br />#\n#g
Ele simplesmente arranca alguns lixos que o mysql põe no output, depois altera as terminações de linha para o padrão unix, arranca tudo que estiver entre [code][/code] e [quote][/quote] (com um problema: se tiver mais de um quote na mesma mensagem, ele apaga tudo que estiver no meio. Acho que não é uma perda tão grande de mensagens, mas pra fazer um que fizesse o negócio direito daria muito trabalho =P
O script de cima cospe um arquivo com todos os posts (sem quotes
) do usuário, um embaixo do outro. Isso serve de entrada para o seguinte
programa, que eu
adaptei:
#!/usr/bin/python
import random
from sys import argv, stdin, stderr,exit
__doc__ ="""Generate text of a given length based on markov chains of existing data.
Usage: markovgen.py [filename [depth [size]]]
All parameters are optional. If no parameters are given or filename = '-'
the standard input is read as data source.
depth is the number of words to use as current state in the Markov chain:
the larger it is, less random gibberish and more similar to the original data
the output will be. DEFAULT = 2
size is the number of words to be generated. DEFAULT = 100
Output is written to standard output.
"""
class Markov(object):
def __init__(self, open_file, depth = 2):
self.cache = {}
self.depth = depth
self.open_file = open_file
self.words = self.file_to_words()
self.word_size = len(self.words)
self.database()
def file_to_words(self):
""" Read file and split it, keeping linebreaks"""
self.open_file.seek(0)
words = []
data = self.open_file.read()
words = data.split()
return words
def nuples(self):
""" Generate n-uples from the given data string.
So if our string were "What a lovely day" and depth = 2,
we'd generate (What, a, lovely) and then (a, lovely, day).
"""
if len(self.words) < self.depth + 1:
return
for i in range(len(self.words) - self.depth):
yield tuple(self.words[i:i+self.depth + 1])
def database(self):
""" Build the markov chain.
self.cache is a dictionary with keys being tuples
of length self.size and values as a list of words that follow
the key sequence in the data.
"""
for nuple in self.nuples():
key = nuple[:-1]
if key in self.cache:
self.cache[key].append(nuple[-1])
else:
self.cache[key] = [nuple[-1]]
def generate_markov_text(self, size=100):
""" Generate text with given size avoiding telltale signs """
tolerance = 0.2
punctuation = ('.','!','?')
seed = random.randint(0, self.word_size-(self.depth + 1))
# Make sure that first word is captalized
while not self.words[seed].istitle():
seed += 1
seed_words = self.words[seed:seed + self.depth]
w = seed_words
gen_words = []
for i in xrange(size):
gen_words.append(w[0])
w = w[1:] + [ random.choice(self.cache[tuple(w)]) ]
# Make sure that last word ends a sentence, but avoid going too far
while not w[-1][-1] in punctuation and i < size * (1 + tolerance):
gen_words.append(w[0])
w = w[1:] + [ random.choice(self.cache[tuple(w)]) ]
i += 1
gen_words.extend(w[1:])
return " ".join(gen_words)
try:
filename = argv[1]
except IndexError:
open_file = stdin
try:
depth = int(argv[2])
except IndexError:
depth = 25
try:
size = int(argv[3])
except IndexError:
size = 100
if filename == '-':
m = Markov(stdin, depth)
else:
try:
open_file = open(filename,'r')
except IOError as e:
print >> stderr, __doc__
print >> stderr, "File {} could not be opened. Bailing out.".format(filename)
exit(1)
else:
m = Markov(open_file, depth)
open_file.close()
print m.generate_markov_text(size)O programa original só fazia cadeia com duas palavras no estado, eu mudei (com a variável
depth) para que pudesse ser arbitrária. Também fiz com que o texto de saída iniciasse obrigatoriamente com uma maiúscula e terminasse com pontuação, para parecer um post de verdade.
Deu isso aí!
