In 2014 bedachten de fysici Robert Nemiroff¹ en Teresa Wilson van de Michigan Technological University een nieuwe manier om tijdreizigers op te sporen: doorzoek het Internet.

Ze zochten naar vermeldingen van de zoektermen "komeet ISON²" — een zonscherende komeet³ die op 21 september 2012 werd ontdekt door Vitali Nevksi en Artyom Novichonok — en "Paus Franciscus⁴" die sinds 13 maart 2013 paus is van de Rooms-Katholieke Kerk en die de eerste paus was die zich Fransicus noemde als eerbetoon aan Franciscus van Assisi⁵. Beide onderwerpen zijn historisch gezien zo belangrijk dat ze zelfs in de verre toekomst nog gemeengoed zouden kunnen zijn. Als mensen uit de toekomst naar ons verleden reizen, dan zouden ze onbedoeld wel eens sporen kunnen nalaten door deze termen bijvoorbeeld ergens in 2011 op een website te zetten, nog voor de feiten hebben plaatsgevonden.

In hun onderzoeksartikel rapporteerden ze:

Aangezien het Internet momenteel alomtegenwoordig is […] kan deze manier van zoeken beschouwd worden als de meest gedetailleerde en uitgebreide zoektocht naar tijdreizen uit de toekomst die tot nu toe werd uitgevoerd. We erkennen dat we technisch gezien niet gezocht hebben naar de fysieke tijdreizigers zelf, maar eerder naar informatieve sporen die ze ons zouden kunnen nagelaten hebben.

Ze merken ook nog op dat het feit dat ze er niet in geslaagd zijn om tijdreizigers te detecteren allerminst betekent dat ze er niet zijn:

Ten eerste kan het voor tijdreizigers fysiek onmogelijk zijn om blijvende sporen achter te laten van hun verblijf in het verleden, inclusief niet-materiële informatiesporen op het Internet. Bovendien kan het voor ons ook fysiek onmogelijk zijn om dergelijke informatie te vinden omdat het een vooralsnog onbekende fysicawet zou overtreden. […] Tenslotte willen tijdreizigers misschien niet gevonden worden en zijn ze zeer goed in het verdoezelen van hun sporen.

Opgave

We hebben het Internet doorzocht naar sporen die tijdreizigers ons zouden kunnen achtergelaten hebben. Het resultaat van elke zoekopdracht bestaat uit een reeks relevante webpagina's. Voor elke pagina hebben we telkens de volgende informatie geregistreerd in een tekstbestand:

• een regel die start met een apestaartje (@) gevolgd door de datum (formaat JJJJ-MM-DD) waarop de webpagina werd aangemaakt

• een tekstfragment uit de webpagina dat uit meerdere regels kan bestaan, maar waarbij geen enkele regel start met een apestaartje (@)

Een tekstbestand met resultaten voor de zoekterm "president Trump" zou er dan bijvoorbeeld als volgt kunnen uitzien:

@2017-10-12
Donald J. Trump is the 45th President of the United States. He believes the
United States has incredible potential and will go on to exceed anything that it
has achieved in the past. His campaign slogan was Make America Great Again, and
that is exactly what he intends to do. Donald J. Trump is the very definition of
the ...
@2017-10-13
Dec 29, 2017 - President Trump gave an impromptu half-hour interview with the
New York Times on Dec. 28. We combed through the transcript and here's a quick
roundup of the false, misleading or dubious claims that he made, at a rate of
one every 75 seconds. (Some of the interview was off the record, so it's
possible the rate of false ...
@2017-12-20
President Donald Trump on Wednesday hailed congressional Republicans' ambitious
$1.5 trillion rewrite of the tax code as a win for middle-class Americans.
Interested in Taxes? Add Taxes as an interest to stay up to date on the latest
Taxes news, video, and analysis from ABC News. Taxes. Add Interest. He took a
victory ...

Het doel van deze opgave is om op zoek te gaan naar de eerste vermelding van een zoekterm in een bestand met zoekresultaten van het Internet. Deze zoekterm kan uit meerdere woorden bestaan. Om te bepalen of een zoekterm voorkomt in een tekstfragment zetten we eerst de zoekterm en het tekstfragment om naar lijsten van woorden, waarbij de woorden gevormd worden door de langst mogelijke opeenvolging van letters en cijfers. Onder letters verstaan we alle karakters waarvoor de stringmethode isalpha de waarde True teruggeeft. Op die manier resulteert het tekstfragment

Donald Trump is the 45th President of the United States.

in de volgende lijst van woorden

Er zijn twee factoren die een rol spelen bij het bepalen of de lijst van woorden van een zoekterm voorkomen in de lijst van woorden van een tekstfragment. Bij het vergelijken van woorden kunnen we wel of geen onderscheid maken tussen hoofdletters en kleine letters. In het laatste geval zeggen we dat het zoeken ongevoelig is voor het verschil tussen hoofdletters en kleine letters.

We kunnen zeggen dat een zoekterm voorkomt in een tekstfragment als alle woorden van de zoekterm voorkomt in de lijst van woorden van het tekstfragment, ongeacht hun volgorde. We kunnen ook opleggen dat een zoekterm enkel voorkomt in een tekstfragment als de lijst van woorden van de zoekterm ook opeenvolgende woorden zijn in het tekstfragment. In het laatste geval zeggen we dat we zoeken naar opeenvolgende woorden, in het eerste geval moeten de woorden niet opeenvolgend zijn.

Gevraagd wordt:

• Schrijf een functie woorden waaraan een string moet doorgegeven worden. De functie moet de lijst met woorden in de gegeven string teruggeven. De functie heeft ook nog een tweede optionele parameter ongevoelig waaraan een Booleaanse waarde kan doorgegeven worden (standaardwaarde: False). Indien aan deze parameter de waarde True wordt doorgegeven, dan moeten alle woorden omgezet worden naar kleine letters in de lijst die door de functie wordt teruggegeven.

• Schrijf een functie bevat waaraan twee stringargumenten moeten doorgegeven worden: i) een tekstfragment en ii) een zoekterm. De functie moet een Booleaanse waarde teruggeven die aangeeft of de gegeven zoekterm voorkomt in het gegeven tekstfragment. De functie heeft ook nog twee bijkomende optionele parameters waaraan een Booleaanse waarde kan doorgegeven worden:

• ongevoelig (standaardwaarde: False): geeft aan of het zoeken ongevoelig is voor het verschil tussen hoofdletters en kleine letters (True) of niet (False)

• opeenvolgend (standaardwaarde: False): geeft aan of er moet gezocht worden naar opeenvolgende woorden (True) of niet (False)

• Schrijf een functie oorsprong waaraan twee stringargumenten moeten doorgegeven worden: i) de locatie van een tekstbestand met de resultaten van een Internet zoekopdracht en ii) een zoekterm. Daarnaast heeft de functie dezelfde twee optionele parameters als de functie bevat die aangeven hoe het zoeken naar voorkomens van de gegeven zoekterm moet gebeuren. De functie moet de datum (een datetime.date object) teruggeven van het tekstfragment uit het gegeven bestand waarin de gegeven zoekterm historisch gezien voor het eerst voorkomt. De functie moet de waarde None teruggeven als geen enkel tekstfragment in het gegeven bestand de gegeven zoekterm bevat.

Voorbeeld

In onderstaande voorbeeldsessie gaan we ervan uit dat het tekstbestand president_trump.txt⁶ zich in de huidige directory bevindt.

>>> zin = 'Donald Trump is the 45th President of the United States.'
>>> woorden(zin)
['Donald', 'Trump', 'is', 'the', '45th', 'President', 'of', 'the', 'United', 'States']
>>> woorden(zin, ongevoelig=True)
['donald', 'trump', 'is', 'the', '45th', 'president', 'of', 'the', 'united', 'states']

>>> zoekterm1 = 'donald trump'
>>> bevat(zin, zoekterm1)
False
>>> bevat(zin, zoekterm1, ongevoelig=True)
True
>>> bevat(zin, zoekterm1, ongevoelig=True, opeenvolgend=True)
True

>>> zoekterm2 = 'president Trump'
>>> bevat(zin, zoekterm2)
False
>>> bevat(zin, zoekterm2, ongevoelig=True)
True
>>> bevat(zin, zoekterm2, ongevoelig=True, opeenvolgend=True)
False

>>> bestandsnaam = 'president_trump.txt'
>>> oorsprong(bestandsnaam, zoekterm1)
>>> oorsprong(bestandsnaam, zoekterm1, opeenvolgend=True)
>>> oorsprong(bestandsnaam, zoekterm1, ongevoelig=True)
datetime.date(2017, 10, 12)
>>> oorsprong(bestandsnaam, zoekterm1, ongevoelig=True, opeenvolgend=True)
datetime.date(2017, 10, 14)

>>> oorsprong(bestandsnaam, zoekterm2)
datetime.date(2017, 12, 27)
>>> oorsprong(bestandsnaam, zoekterm2, opeenvolgend=True)
>>> oorsprong(bestandsnaam, zoekterm2, ongevoelig=True)
datetime.date(2017, 10, 12)
>>> oorsprong(bestandsnaam, zoekterm2, ongevoelig=True, opeenvolgend=True)
datetime.date(2017, 10, 13)

Bronnen

• Nemiroff RJ, Wilson T (2013). Searching the Internet for evidence of time travelers. arXiv:1312.7128. ⁹