Cara menemukan penggunaan HURUF KAPITAL SEMUA yang salah

Question

Halo,

Saya baru saja memeriksa penggunaan kapitalisasi yang salah. Khususnya, saya tahu bahwa para penerjemah terkadang secara tidak sengaja menulis “LORD” alih-alih \nd Lord\nd*. Namun, saya terkejut bahwa Run Basic Checks…>Capitalization tidak menangkap instance huruf kapital semua.

Regex ini akan menemukan dua huruf kapital yang bersebelahan, tetapi juga mengembalikan banyak noise. Misalnya, singkatan nama kitab, kode bahasa, dan nama file gambar.
regex:\w*[A-ZĆÄÏÜ]\w*[A-ZĆÄÏÜ]\w
(untuk yang belum terbiasa dengan regex, [A-ZĆÄÏÜ] berarti karakter apa pun dari A sampai Z, atau karakter khusus Ć, Ä, Ï, dan Ü - hanya huruf kapital)

Saya mencari tempat untuk mengubah aturan kapitalisasi, tetapi hanya menemukan tempat untuk menyetujui atau menolak kata dengan kapitalisasi campuran (di mana kata dalam HURUF KAPITAL SEMUA tidak muncul).

Saya juga mencari file bantuan Paratext dan forum ini, tetapi tidak menemukan informasi apa pun.

Apakah saat ini ada cara mudah untuk menemukan kata dalam HURUF KAPITAL SEMUA? Jika tidak, bisakah fungsionalitas ini ditambahkan? Mungkin ini bisa muncul di hasil pencarian kapitalisasi campuran, meskipun secara teknis mereka adalah huruf kapital semua. Atau, mungkin lebih baik jika mereka memiliki kategori sendiri.

Terima kasih banyak!

Diterjemahkan secara otomatis dari English Tampilkan asli

Answer 1

Saya suka menggunakan regex, tetapi itu selalu membuat kepala saya pusing. Berikut adalah cara saya berhasil memecahnya, untuk siapa pun yang tertarik. Saya menggunakan garis bawah sebagai spasi untuk menjaga semuanya tetap sejajar.

Penjelasan regex yang menemukan kata dalam HURUF KAPITAL SEMUA yang tidak didahului oleh penanda tertentu.
(?<!\\(id|h|toc|mt|fig).*)\b\p{Lu}+\b

1. Cari batas kata
   __________________________\b_________
2. Cari huruf kapital apa pun di awal kata
   __________________________\b\p{Lu}___
3. Cari satu atau lebih huruf kapital, dimulai dari awal kata
   __________________________\b\p{Lu}+__
4. Cari kata dengan panjang apa pun yang semuanya huruf kapital
   __________________________\b\p{Lu}+\b
5. Setelah menemukan kata huruf kapital semua, periksa apakah ada pengelompokan opsional tepat sebelumnya
   (?_______________________)\b\p{Lu}+\b
6. Setelah menemukan kata huruf kapital semua, pastikan tidak ada backslash tepat sebelumnya
   (?<!\\___________________)\b\p{Lu}+\b
7. Setelah menemukan kata huruf kapital semua, pastikan tidak ada \id atau \h atau \toc atau \mt atau \fig tepat sebelumnya
   (?<!\\(id|h|toc|mt|fig)__)\b\p{Lu}+\b
8. Setelah menemukan kata huruf kapital semua, pastikan tidak ada \id atau \h atau \toc atau \mt atau \fig di mana pun sebelumnya di baris
   (?<!\\(id|h|toc|mt|fig).*)\b\p{Lu}+\b

Saya pikir secara pribadi saya akan menghapus |mt karena saya ingin memeriksa huruf kapital semua di judul kitab juga.

Saya teringat, bagaimana jika gambar disisipkan di awal atau di tengah ayat? Kata-kata berikutnya dalam HURUF KAPITAL SEMUA tidak akan dideteksi oleh regex ini.

(\\fig(.*?)\\fig\*) menangkap tag gambar seluruhnya, tetapi itu ternyata tidak membantu. Inilah yang berhasil saya buat:
(?<!\\(id|h|toc).*)\b\p{Lu}+\b.*?(?!\\fig\*)

Berikut penjelasannya:

1. Setelah menemukan kata huruf kapital semua, pastikan tidak ada \id atau \h atau \toc di mana pun sebelumnya di baris.
   (?<!\\(id|h|toc).*)\b\p{Lu}+\b______________
2. Setelah menemukan kata huruf kapital semua, pastikan tidak ada \id atau \h atau \toc di mana pun sebelumnya di baris. Kemudian lihat ke depan sejumlah karakter apa pun.
   (?<!\\(id|h|toc).*)\b\p{Lu}+\b.*?___________
3. Setelah menemukan kata huruf kapital semua, pastikan tidak ada \id atau \h atau \toc di mana pun sebelumnya di baris. Kemudian lihat ke depan sejumlah karakter apa pun untuk memastikan \fig* tidak ditemukan di mana pun setelahnya di baris.
   (?<!\\(id|h|toc).*)\b\p{Lu}+\b.*?(?!\\fig\*)

Dengan alasan tertentu, regex ini tidak menangkap “\mt1 GÉNESIS”. Apakah ada ide mengapa?

Diterjemahkan secara otomatis dari English Tampilkan asli

Comments

Sebuah \fig tidak boleh berada di dalam ayat atau paragraf karena akan memecah teks dan format dengan berbagai cara yang buruk tergantung pada perangkat lunak output Anda. Ini perlu ditempatkan di akhir paragraf. Tentu saja kita menjalankan regex di berbagai waktu ketika teks tidak terlalu bersih, tetapi saya ingin menyebutkan batasan tersebut.

Diterjemahkan secara otomatis dari English Tampilkan asli

Answer 2

Hai anon094061.
Anda dapat memasukkan ekspresi reguler berikut ke mesin pencari Paratext untuk melihat kata-kata yang semuanya huruf kapital: regex:\b\p{Lu}+\b

di mana:
“regex:” adalah perintah untuk memberi tahu Paratext bahwa itu adalah ekspresi reguler.
“\b” adalah batas kata
“\p{Lu}” menunjukkan huruf kapital
“+” menunjukkan satu kali atau lebih dari rumus di atas.
Artinya, ini akan mencari satu atau lebih huruf kapital berurutan yang memiliki pembatas kata di ujungnya, seperti spasi atau koma.

---

Memang, inventaris kapitalisasi campuran… mempertimbangkan kombinasi yang tidak biasa, jadi ia tidak mencantumkan di sini kata-kata dalam huruf kapital semua.

Diterjemahkan secara otomatis dari English Tampilkan asli

Answer 3

Sedikit lebih rumit, tetapi Anda juga dapat menggunakan:
regex:(?<!\\(id|h|toc|mt|fig).*)\b\p{Lu}+\b

ini untuk mengabaikan konten dari penanda tertentu yang sudah kita ketahui akan dikapitalisasi, seperti “id” atau “mt”.
Anda dapat menambahkan penanda lain untuk dikecualikan dengan menambahkan “|” dan nama penanda seperti yang ada di dalam tanda kurung besar.

Diterjemahkan secara otomatis dari English Tampilkan asli

Comments

Wah, ini benar-benar hebat! Terima kasih banyak anon689242- persis yang saya butuhkan.

Saya pikir pemeriksaan ini akan menjadi tambahan yang bagus untuk “Assignments and Progress.”

Diterjemahkan secara otomatis dari English Tampilkan asli

Answer 4

Ah, saya baru menyadari bahwa solusi \fig \fig* saya menyaring hasil HURUF KAPITAL SEMUA yang terjadi di ayat sebelum gambar. Jadi, sesuatu yang lebih canggih diperlukan. Saya akan meneliti cara memberi tahu regex untuk mengabaikan sebuah grup.

Diterjemahkan secara otomatis dari English Tampilkan asli

Answer 5

Saya menemukan https://regex101.com/ sangat membantu dalam analisis ekspresi reguler, meskipun saya memahami bahwa koneksi Internet mungkin menjadi masalah bagi beberapa orang. Saya tidak yakin “flavor” regex mana yang sesuai dengan yang digunakan Paratext.

Diterjemahkan secara otomatis dari English Tampilkan asli

Comments

Menurut catatan saya, Paratext 9, RegEx Pal, PrintDraft Changes.txt dan DBLchanges.txt semuanya menggunakan
C# (NET 2.0-4.8.1 & .NET Core 1.0-3.0)

Saya akan senang jika itu dikonfirmasi.

Diterjemahkan secara otomatis dari English Tampilkan asli

Answer 6

Observasi yang sangat baik. Terima kasih @Shegnada dan @anon806807.

Saya baru saja berpikir bahwa kita mungkin ingin regex ini juga memeriksa teks alt dari gambar. Saya pikir hanya nama file gambar yang bermasalah, jadi mengapa kita tidak menyaring itu saja? Sesuatu seperti
\b.*\.(TIF|GIF|JPG|JPEG)\b?

Mungkin dengan negative lookahead? Sesuatu seperti ini?

(?:\b.*\.(TIF(F)|GIF|JP(E)G|PNG|EPS|BMP|WEBP)\b)

Ini juga harus mengabaikan sesuatu seperti CN01628B.tif.

Saya tidak duduk di depan komputer saat menulis ini, tetapi saya berharap untuk mengujinya segera.

Diterjemahkan secara otomatis dari English Tampilkan asli