请求帮助加快17000个TXT文件的批处理程序

Question

我已经扫描了超过17,000页(用于本地历史档案)，我使用Tesseract对单个TXT文件进行了OCRed。我希望能够搜索/定位每一页包含一个搜索词超过3个，小写字母。对于每个TXT文件，我需要输入

1. 从OCR文本中删除所有垃圾，即非字母数字字符- jrepl "[^a-zA-Z0-9s]""/x/f %%G/O -
2. 删除1、2和3个字母的单词- jrepl "bw{1,3}b""/x/f %%G/O -
3. 将所有字符更改为小写- jrepl "(w)"1.美元tolowercase()";/i/j/x/f %%G/O -
4. 为了能够对剩下的单词进行排序，它们需要在单独的新行上- jrepl "s" n"/x/f %%G/O -
5. 最后将所有唯一的单词按字母顺序排序并创建修改后的TXT文件- sort/unique %%G/O %%G

我有一个批处理文件，使用JREPL完成上述操作，但速度很慢。它已经跑了100多个小时了，我还没跑到一半。有什么建议可以加快办理速度吗?我用的是Windows 10。谢谢。

Answer 1

解决方案?

既然你现有的批处理做了你想要的，毫无疑问，测试替换将占用一些时间-所以:

将17,000个文件(或那些未处理的文件)分割到单独的目录中(无论您有多少个内核)，然后在每个目录上启动现有的批处理。既然是周末，就让这个过程运行一整夜吧。8芯?应该在15个小时左右完成，当你补觉或园艺或其他事情。