encontrar palabras comunes de dos páginas web sobre la marcha

Tengo una lista de especies aquí:

http://megasun.bch.umontreal.ca/ogmp/projects/other/compare.html

Y una lista de especies aquí:

http://www.ncbi.nlm.nih.gov/Taxonomy/Browser/wwwtax.cgi?id=3524

Me gustaría encontrar todas las especies que se mencionan en AMBAS páginas. ¿Cómo puedo hacer esto rápidamente? (No me importa si se encuentran palabras que no se refieren a especies. Quiero hacer una comparación de palabras en general :)

Gracias por las sugerencias.

preguntado el 22 de mayo de 12 a las 15:05

¿Con qué idioma? ¿Qué has intentado hasta ahora? -

1 Respuestas

En cada página de una consola, haga lo siguiente:

var html = document.body.innerHTML;
results = [];
html.match(/>([^<]+?)</g)               // grab all values like ">...<"
    .map(function(match) {              // look for a long words..words..words
        return match.match(/\w.*\w/);
    })
    .filter(function(match) {           // ignore empty matches
        return match!==null
    })
    .forEach(function(match) {
        var text = match[0];
        if (!text.match(/[0-9]/) &&     // ignore matches with numbers
            results.indexOf(text)==-1)  // add to results if not duplicate
            results.push(text);
    });
JSON.stringify(results);

Entonces hazlo:

var page1 = JSON.parse(' /*COPY-PASTE THE RESULT OF PAGE 1*/ ');
var page2 = JSON.parse(' /*COPY-PASTE THE RESULT OF PAGE 2*/ ');
page1.map(function(s){return page2.indexOf(s)!=-1});

Esto es necesario para eludir las restricciones del navegador.

Demostración:

> JSON.stringify( page1.filter(function(s){return page2.indexOf(s)!=-1}) )
'["Beta vulgaris","Spinacia oleracea"]'

contestado el 22 de mayo de 12 a las 16:05

No es la respuesta que estás buscando? Examinar otras preguntas etiquetadas or haz tu propia pregunta.