Автоматическое создание индексов для блогов в формате CHM (концептуально блог это и есть CHM)

1. Блог печатается в формат PDF. (Используется функция поиска для печати целиком)

2. Далее используется Text Mining для получения простого текста из PDF текста.

3. Простой текст можно разбить на отдельные TXT файлы с темами блога, для этого

написана программа, разбивающая весь текст при помощи поиска ника автора, вот она:

#include <iostream>

#include <fstream>

#include <cstdlib>

#include <cstdio>

int main()

{

    using namespace std;

    ifstream A("mined_text.txt", ios::in);

    int Topics = 0;

    while (true)

    {

        Topics++;

        if (Topics > 1000)

            break;

        do {

            char File[255];

            sprintf(File, "issue_%07d.txt", Topics);

            ofstream B(File);

            char buf[16384];

            while (A.getline(buf, sizeof(buf)))

            {

                if (strstr(buf, "Posted by Seeds Of Mind"))

                    goto NEXT_FILE;

                B << buf << "\n";

            }

        } while (0);

        NEXT_FILE: continue;

    }

    return 0;

}

4. Далее пишется CMD файл, который в цикле вызывает ещё одну программу:

#include <iostream>

#include <fstream>

int main(int argc, char *argv[])

{

    using namespace std;

    if (argc < 3)

        return 2;

    ifstream A(argv[1], ios::in);

    ofstream B(argv[2]);

    char buf[666111];

    B << "\n";

    B << "\"Content-type\" content=\"text/html; charset=UTF-8\">\n";

    B << "\n";

    B << "\"13.jpg\">\n";

    B << "
\n";
 
    int strok = 0;
    while (A.getline(buf, sizeof buf))
    {
        strok++;
        if (strok > 17)
            break;
        B << buf << "\n";
    }
 
    B << "\n\n";

    B << "\n";

    B << "\n";

    return 1;

}

5. Создание CHM файла из множества HTM файлов - чисто техническая проблема.

6. Остаётся лишь добавить (естественно автоматически) читаемый индекс для CHM;

для этого в Intellexer Summarizer ставится опция "одно предложение от всего текста",

полученные результаты суются в индекс CHM.