[Cvu] nuevo programa
Gloria Koenigsberger
gloria en astro.unam.mx
Dom Mayo 6 11:39:48 CDT 2018
Hola Luis,
Hago eco de las palabras de Enrique.
Añado, ademas, que esto es una desmostración clara de lo que significa
programar "de a deveras".
El máximo organismo de CyT del País tendría que poder tener a su
disposición gente con capacidades, sino iguales a las tuyas --- cosa que
sería difícil :) --- por lo menos equivalentes en conocimientos en las
áreas de cómputo y tecnologías de la información.
Saludos!
Gloria
2018-05-06 9:37 GMT-05:00 Enrique López-Moreno <elmlvi en gmail.com>:
> Luis:
>
> Es admirable!
>
> Esto es lo que entiendo por la cultura científica: no importa la
> dificultad, ni la propia área; es la razón y creatividad, el interés por la
> soluciones, y un espíritu inquisidor por otorgar una salida a todos, . .
>
> Si yo fuera el Director de CONACyT, no podría permanecer indiferente.
>
> TODA MI ADMIRACIÓN!!!
>
> 2018-05-05 17:48 GMT-05:00 Luis Mochan <mochan en icf.unam.mx>:
>
>> Les presumo mi nuevo programa.
>>
>> Se llama re2yaml y sirve para capturar una lista de publicaciones en
>> un formato arbitrario que pueda describirse como una expresión
>> regular. Por ejemplo, para capturar la lista de publicaciones que me
>> envió Carlos Arias usé el comando
>>
>> re2yaml.pl -o carlosArias.yaml -i carlosArias.txt \
>> -f 'autores año título revista volumen páginas doi' \
>> -r '^\d*\.\s*(.*?\s+)(\d+)[\s\.]+(.*?)\.\s+(.*?)\s+(\d+)\s*(?:\
>> (\s*\d+\s*\))?:\s*(.*?)\s*(?:doi\s*:\s*(.*))?$' \
>> -a '(?:and)?(.*?,\s+.*?[,\.]+)\s+'
>>
>> que se ve espantoso, pero se los explico a los curiosos y pacientes:
>>
>> re2yaml.pl
>> es el nombre de mi programa
>>
>> -o carlosArias.yaml
>> indica el nombre del archivo donde dejar la información capturada
>>
>> -i carlosArias.txt
>> es el nombre donde puse su lista de publicaciones (convertida de un
>> .doc)
>>
>> -f 'autores año título revista volumen páginas doi'
>> significa que a Carlos le gusta poner primero los autores, luego el
>> año, luego el título, etc.
>>
>> -r '^\d*\.\s*(.*?\s+)(\d+)[\s\.]+(.*?)\.\s+(.*?)\s+(\d+)\s*(?:\
>> (\s*\d+\s*\))?:\s*(.*?)\s*(?:doi\s*:\s*(.*))?$' \
>> es donde empieza la diversión. Ésta es una expresión regular que
>> define la estructura detallada de cómo escribe Carlos sus
>> publicaciones. La explicación va más abajo.
>>
>> -a '(?:and)?(.*?,\s+.*?[,\.]+)\s+' \
>> Esta es una expresión regular para extraer cada uno de los autores
>> de una lista de autores.
>>
>> Lo acabo de probar y aparentemente funciona. La dificultad es que no
>> somos muy consistentes en cómo escribimos y eso lleva a
>> ambigüedades. Tuve que meterle mano a la lista de Carlos para que el
>> programa pudiera con ella. Me inventé las expresiones regulares para
>> que funcionaran con los primeros artículos, y entonces tuve que
>> modificar algunos de los últimos artículos, pues su estilo ha cambiado
>> a lo largo del año. Con todo y todo, hacer el programa desde cero,
>> hacer y probar las expresiones regulares y condicionar la lista de
>> publicaciones me tomó arribita de 4hrs. El programa debe servir sin
>> mayor modificación para las otras listas que me han enviado. Luego les
>> cuento si es cierto o no.
>>
>> Las expresiones regulares son bastante ilegible, pero su gracia es que
>> en un par de líneas puede uno capturar la esctructura de la
>> lista. Sólo es necesario hallar y registrar la expresión regular que
>> decriba cada
>> estilo de CV y checar que el CV cumpla consistentemente con dicha
>> expresión :)
>>
>>
>> Va la explicación.
>>
>> Expresión regular para capturar los artículos:
>>
>> -r '^\d*\.\s*(.*?\s+)(\d+)[\s\.]+(.*?)\.\s+(.*?)\s+(\d+)\s*(?:\
>> (\s*\d+\s*\))?:\s*(.*?)\s*(?:doi.*)?\s*$'
>>
>> Explicación:
>> ^ Principio
>> \d* Me salto numeración.
>> \. Me salto un punto.
>> \s* Me salto espacios.
>> (.*?\s+) Capturo autores separados por espacios
>> (\d+) hasta hallar el año, el cual capturo.
>> [\s\.]+ Me salto espacios y/o puntos
>> (.*?) y capturo el título
>> \. terminado en un punto y
>> \s+ seguido de espacios y
>> (\d+) del número de volumen. Este puede ir seguido de
>> \s* espacios y
>> (?:\(\s*\d+\s*\)) del número entre paréntesis y con posibles espacios.
>> ? El número es opcional
>> : Luego siguen dos puntos,
>> \s* espacio opcional, y
>> (.*?) las páginas, que capturo. Finalmente pueden haber
>> \s* espacios adicionales
>> (?:doi\s*:\s*(.*))? y un doi opcional. Siguen
>> \s* espacios opcionales y
>> $ el final del registro
>>
>>
>> Expresión regular para separar los autores:
>>
>> -a '(?:and)?(.*?,\s+.*?[,\.]+)\s+'
>>
>> Hay un
>> (?:and)? 'and' opcional para el último autor.
>> ( Inicia la captura con
>> .*? el nombre
>> , seguido de una coma
>> \s+ seguido de uno o más espacios
>> .*? seguido de lo que sea
>> [,.]+ hasta hallar un punto o una coma o ambos.
>> ) Termina la captura
>> \s+ y siguen espacios
>>
>> El orden de los campos capturados es
>>
>> -f 'autores año título revista volumen páginas'
>>
>> Si por ejemplo corro el programa sobre
>>
>> 127. Aponte, FE, Taboada, B, Espinoza, MA, Arias-Ortiz, MA,
>> Monge-Martínez, J, Rodríguez-Vázquez, R, Díaz-Hernández, F, Zárate-Vidal,
>> F, Wong-Chew, RM, Firo-Reyes, V, del Río-Almendárez, CN, Gaitán-Meza, J,
>> Villaseñor-Sierra, A, Martínez-Aguilar, GM, García-Borjas, M, Noyola, DE,
>> Pérez-Gónzalez, LF, López, S, Santos-Preciado, JI, Arias, CF. 2014.
>> Rhinovirus is an important pathogen in upper and lower respiratory tract
>> infections in Mexican children. Virology Journal. 2015, 12:31. DOI:
>> 10.1186/s12985-015-0262-z.
>>
>> el resultado es
>>
>> -
>> autores:
>> - 'Aponte, FE,'
>> - 'Taboada, B,'
>> - 'Espinoza, MA,'
>> - 'Arias-Ortiz, MA,'
>> - 'Monge-Martínez, J,'
>> - 'Rodríguez-Vázquez, R,'
>> - 'Díaz-Hernández, F,'
>> - 'Zárate-Vidal, F,'
>> - 'Wong-Chew, RM,'
>> - 'Firo-Reyes, V,'
>> - 'del Río-Almendárez, CN,'
>> - 'Gaitán-Meza, J,'
>> - 'Villaseñor-Sierra, A,'
>> - 'Martínez-Aguilar, GM,'
>> - 'García-Borjas, M,'
>> - 'Noyola, DE,'
>> - 'Pérez-Gónzalez, LF,'
>> - 'López, S,'
>> - 'Santos-Preciado, JI,'
>> - 'Arias, CF.'
>> año: '2015'
>> doi: 10.1186/s12985-015-0262-z.
>> páginas: '31.'
>> revista: 'Virology Journal,'
>> título: 'Rhinovirus is an important pathogen in upper and lower
>> respiratory tract infections in Mexican children'
>> volumen: '12'
>> -
>>
>> En este formato es trivial añadirle el ISSN: 1743-422X y enviarlo a
>> conacyt para que lo carguen en su CVU.
>>
>> Más tarde pruebo las otras listas que me enviaron.
>>
>>
>>
>>
>>
>>
>>
>> --
>>
>> o
>> W. Luis Mochán, | tel:(52)(777)329-1734 /<(*)
>> Instituto de Ciencias Físicas, UNAM | fax:(52)(777)317-5388 `>/ /\
>> Apdo. Postal 48-3, 62251 | (*)/\/ \
>> Cuernavaca, Morelos, México | mochan en fis.unam.mx /\_/\__/
>> GPG: 791EB9EB, C949 3F81 6D9B 1191 9A16 C2DF 5F0A C52B 791E B9EB
>>
>>
>>
>> _______________________________________________
>> Mensaje público enviado a la lista Cvu
>> Cvu en em.fis.unam.mx
>> http://em.fis.unam.mx/cgi-bin/mailman/listinfo/cvu
>>
>
>
>
> --
> Cordialmente
>
> Dr. Enrique López Moreno
> Profesor Titular "B", T. C.
> Departamento de Física
> Facultad de Ciencias. UNAM
>
> _______________________________________________
> Mensaje público enviado a la lista Cvu
> Cvu en em.fis.unam.mx
> http://em.fis.unam.mx/cgi-bin/mailman/listinfo/cvu
>
>
--
Gloria Koenigsberger
Instituto de Ciencias Físicas
Universidad Nacional Autónoma de México
Avenida Universidad S/N, Colonia Chamilpa
Cuernavaca, Morelos, 62210, Mexico
------------ próxima parte ------------
Se ha borrado un adjunto en formato HTML...
URL: <http://em.fis.unam.mx/pipermail/cvu/attachments/20180506/d9d92711/attachment-0001.html>
Más información sobre la lista de distribución Cvu