⌛⌛ Tekstihaku 7z-tiedostosta

Tehtävän palautus koostuu Maven-projektista. Sijoita pom.xml-tiedosto paikallisen tietovarastosi round7/sevenzipsearch-hakemistoon ja tee tähän hakemistoon src/main/java-niminen alihakemisto. Voit valita Java-luokkasi tai luokkiesi nimet vapaasti, mutta kunkin luokan pitää kuulua fi.tuni.prog3.sevenzipsearch-nimiseen pakkaukseen. Näin ollen tiedostojesi tulee olla hakemistossa round7/sevenzipsearch/src/main/java/fi/tuni/prog3/sevenzipsearch ja tiedostojen tulee alkaa lauseella package fi.tuni.prog3.sevenzipsearch;.

NetBeans osaa luoda tehtävässä pom.xml-tiedoston ja hakemistorakenteen automaattisesti, kun annat Maven-projektia luodessasi oikeat tiedot. Näet alempana groupId-, artifactId- ja version-elementeille annettavat arvot.

Materiaalien etätietovarastossa on saatavilla testiaineistoa (round7/sevenzipsearch-hakemisto).

Tässä tehtävässä kokeillaan 7z-pakkausformaatilla pakatun tiedoston käsittelyä Apache Commons Compress -kirjastolla. Tehtävässä tarvitaan tarkemmin ottaen seuraavat kaksi kirjastoa:

7z-tiedostot (Wikipedia-artikkeli) ovat sinänsä samantapaisia kuin zip-tiedostot, mutta ne käyttävät tehokkaampaa pakkausalgoritmia.

Tehtävänäsi on toteuttaa ohjelma, joka etsii annetun hakusanan esiintymiä annetun 7z-tiedoston sisältämistä tekstitiedostoista. Ohjelman tulee toimia tarkemmin ottaen seuraavasti:

  • Ohjelma lukee kaksi komentoriviparametria: tiedoston nimen ja hakusanan.

  • Ohjelma olettaa, että ensimmäinen komentoriviparametri vastaa 7z-tiedostoa. Ohjelma selaa kyseisen 7z-tiedoston sisältämät tiedostot läpi ja suorittaa hakusanahaun kussakin löytämässään tekstitiedostossa.

    • Tiedosto päätellään tekstitiedostoksi sen nimen päätteen perusteella: haku suoritetaan, jos ja vain jos tiedoston nimen loppu on “.txt”.

    • Kunkin haun alussa tulostetaan aina tiedoston nimi ruudulle.

    • Kunkin haun lopuksi tulostetaan aina yksi ylimääräinen rivinvaihto.

  • Sanahaun suorittaminen:

    • Tiedostoa luetaan rivi kerrallaan, ja kultakin riviltä etsitään kaikki hakusanan esiintymät kirjainkoosta riippumatta.

    • Jos yksikin esiintymä löytyy, kyseinen rivi tulostetaan ruudulle muodossa “rivinumero: rivi”, missä rivinumero on kyseisen rivin rivinumero (tiedoston ensimmäisen rivin numero on 1) ja rivi on kyseinen rivi esitettynä sellaisessa muodossa, että kaikki hakusanan esiintymät on muunnettu käyttämään isoja kirjaimia.

Annetut mallitulosteet selventävät tulosteen muotoa.

Automaattiset sekä alla kuvatut testit olettavat, että teet projektitiedostoosi pom.xml seuraavat määritykset:

  • groupId-elementin arvo on fi.tuni.prog3.

  • artifactId-elementin arvo on sevenzipsearch.

  • version-elementin arvo on 1.0.

  • Onejar-liitännäisen määritys, jonka mainClass-elementti viittaa ohjelmasi pääluokkaan, jonka saat tässä tehtävässä nimetä vapaasti. Jos pääluokkasi on nimeltään esimerkiksi SevenZipSearch, on elementin arvo fi.tuni.prog3.sevenzipsearch.SevenZipSearch.

Vinkki: Heikki Hyyrön koodausdemovideo luvussa 7.2.

Toteutuksen testaus

Voit testata ohjelmaasi testiaineistojen java.7z ja Dracula.7z sekä mallitulostetiedostojen output1.txt, output2.txt ja output3.txt avulla. Ohjelmasi löytää testitiedostot helpoiten, kun ne ovat alkuperäisessä paikassaan round7/sevenzipsearch-hakemistossa.

Tehtävää tehdessäsi kannattaa mahdollisesti tutkia 7z-tiedostojen java.7z ja Dracula.7z sisältöä. Monet käyttöjärjestelmät, esimerkiksi Ubuntu Linux, osaavat avata 7z-tiedostoja ilman erillistä ohjelmaa. Muussa tapauksessa voit käyttää jotain 7z-formaattia tukevaa pakkausohjelmaa. Varsin luonteva valinta lienee 7-zip (https://www.7-zip.org/), joka on valmiiksi asennettu yliopiston tietokoneille.

Käännä ohjelmasi tapaan mvn package ja suorita testit komennoilla: java -jar target/sevenzipsearch-1.0.one-jar.jar java.7z oracle, java -jar target/sevenzipsearch-1.0.one-jar.jar Dracula.7z under ja java -jar target/sevenzipsearch-1.0.one-jar.jar Dracula.7z press projektin juurihakemistossa sevenzipsearch. Näiden kolmen testin odotetut tulosteet on kuvattu tiedostoissa output1.txt, output2.txt ja output3.txt.

A+ esittää tässä kohdassa tehtävän palautuslomakkeen.