tiistai 22.10.2024 12:00 – keskiviikko 1.1.2025 12:00

Osa 2: Wikipedia-projekti

Tässä osassa tutustumme käytännössä siihen, miten Linux-ympäristössä pystyy pyörittelemään ja tutkimaan isojakin tiedostoja. Teemme pienen tutkimusprojektin, jossa analysoimme suomenkielisen Wikipedian koko tekstiaineistoa!

• 2.1 Wikipedia-projekti — johdanto
• 2.2 Esimerkkidata
• 2.3 Tiedonpakkaus ja purku
• 2.4 Tuntumaa tiedostoon
• 2.5 Näytepala: head
• 2.6 Otsikoiden haku: grep
• 2.7 Otsikoiden tutkimista: cut, sort, uniq
• 2.8 Sanoja otsikoissa
• 2.9 Sanojen hakua: grep -o
• 2.10 Pienet kirjaimet: awk
• 2.11 Skriptit avuksi
• 2.12 Siivoamista: sed