如何查找全大写字母的错误使用

Question

你好，

我刚才在检查大写字母的错误使用情况。特别是，我知道翻译人员有时不小心将“LORD”写成了 \nd Lord\nd*。但令我惊讶的是，Run Basic Checks…>Capitalization（运行基本检查…> 大小写）并没有捕捉到全大写字母的情况。

这个正则表达式可以查找任何两个相邻的大写字母，但也会返回很多噪音。例如，书名缩写、语言代码和图片文件名。
regex:\w*[A-ZĆÄÏÜ]\w*[A-ZĆÄÏÜ]\w
（对于不熟悉正则表达式的人，[A-ZĆÄÏÜ] 表示从 A 到 Z 的任何字符，或者特殊字符 Ć、Ä、Ï 和 Ü 中的任何一个——仅限大写）

我寻找更改大小写规则的地方，但只能找到批准或拒绝混合大小写单词的地方（全大写字母单词不会出现在那里）。

我还搜索了 Paratext 帮助文件和这个论坛，但找不到任何相关信息。

目前有没有简单的方法来查找全大写字母单词？如果没有，能否添加此功能？也许这可以显示在混合大小写搜索结果中，尽管它们在技术上都是全大写。或者，也许最好让它们有自己的类别。

非常感谢！

机器翻译自 English 显示原文

Answer 1

我喜欢使用正则表达式，但它总是让我头晕。以下是我设法分解它的方法，供任何感兴趣的人参考。我使用下划线作为空格，以保持所有内容对齐。

查找未由特定标记前置的全大写单词的正则表达式分解。
(?<!\\(id|h|toc|mt|fig).*)\b\p{Lu}+\b

1. 查找单词边界
   __________________________\b_________
2. 查找单词开头的大写字母
   __________________________\b\p{Lu}___
3. 查找从单词开头开始的一个或多个大写字母
   __________________________\b\p{Lu}+__
4. 查找任意长度的全大写字母单词
   __________________________\b\p{Lu}+\b
5. 在找到全大写单词后，检查其前面是否有一个可选分组
   (?_______________________)\b\p{Lu}+\b
6. 在找到全大写单词后，确保其前面没有反斜杠
   (?<!\\___________________)\b\p{Lu}+\b
7. 在找到全大写单词后，确保其前面没有 \id 或 \h 或 \toc 或 \mt 或 \fig
   (?<!\\(id|h|toc|mt|fig)__)\b\p{Lu}+\b
8. 在找到全大写单词后，确保该行更早的位置没有 \id 或 \h 或 \toc 或 \mt 或 \fig
   (?<!\\(id|h|toc|mt|fig).*)\b\p{Lu}+\b

我个人认为我会移除 |mt，因为我也想检查书名中的全大写字母。

我突然想到，如果图片插入在节开头或中间怎么办？此正则表达式将无法检测到随后的全大写字母单词。

(\\fig(.*?)\\fig\*) 捕获整个图片标签，但这最终没有帮助。我想出了这个：
(?<!\\(id|h|toc).*)\b\p{Lu}+\b.*?(?!\\fig\*)

以下是分解：

1. 在找到全大写单词后，确保该行更早的位置没有 \id 或 \h 或 \toc。
   (?<!\\(id|h|toc).*)\b\p{Lu}+\b______________
2. 在找到全大写单词后，确保该行更早的位置没有 \id 或 \h 或 \toc。然后向前查看任意数量的字符。
   (?<!\\(id|h|toc).*)\b\p{Lu}+\b.*?___________
3. 在找到全大写单词后，确保该行更早的位置没有 \id 或 \h 或 \toc。然后向前查看任意数量的字符，以确保该行后面的任何位置都没有找到 \fig*。
   (?<!\\(id|h|toc).*)\b\p{Lu}+\b.*?(?!\\fig\*)

不知何故，这个正则表达式没有捕捉到 “\mt1 GÉNESIS”。有什么想法吗？

机器翻译自 English 显示原文

Comments

\fig 永远不应该在节或段落内部，因为它会以各种糟糕的方式破坏文本和格式，具体取决于你的输出软件。它需要放置在段落的末尾。当然，我们在文本特别不干净的时候运行各种正则表达式，但我想提一下这个限制。

机器翻译自 English 显示原文

Answer 2

你好 anon094061。
你可以在 Paratext 搜索引擎中输入以下正则表达式，以查看全大写的单词：regex:\b\p{Lu}+\b

其中：
“regex:” 是告诉 Paratext 这是一个正则表达式的命令。
“\b” 是单词边界
“\p{Lu}” 表示大写字母
“+” 表示上述公式出现一次或多次。
也就是说，它将查找两端有单词分隔符（如空格或逗号）的一个或多个连续大写字母。

---

确实，Mixed capitalization inventory…（混合大小写清单…）考虑的是不寻常的组合，因此它不会在此处列出全大写字母单词。

机器翻译自 English 显示原文

Answer 3

这稍微复杂一点，但你也可以使用：
regex:(?<!\\(id|h|toc|mt|fig).*)\b\p{Lu}+\b

这是为了忽略某些标记的内容，因为我们已经知道它们会被大写，例如 “id” 或 “mt”。
你可以通过在较大的括号内添加 “|” 和标记名称来添加其他要排除的标记。

机器翻译自 English 显示原文

Comments

哇，这真的太好了！非常感谢 anon689242- 这正是我需要的。

我认为这项检查将是 “Assignments and Progress”（任务与进度）的一个很好的补充。

机器翻译自 English 显示原文

Answer 4

啊，我刚刚意识到我的 \fig \fig* 解决方案会过滤掉图片之前节中发生的全大写字母结果。因此，需要更高级的方法。我会研究如何告诉正则表达式忽略一个组。

机器翻译自 English 显示原文

Answer 5

我发现 https://regex101.com/ 在分析正则表达式时很有帮助，尽管我理解互联网连接对某些人来说可能是一个问题。我不确定哪种正则表达式“风味”对应于 Paratext 使用的类型。

机器翻译自 English 显示原文

Comments

根据我的笔记，Paratext 9、RegEx Pal、PrintDraft Changes.txt 和 DBLchanges.txt 都使用
C# (NET 2.0-4.8.1 & .NET Core 1.0-3.0)

我很乐意得到确认。

机器翻译自 English 显示原文

Answer 6

非常好的观察。感谢 @Shegnada 和 @anon806807。

我刚才在想，我们可能希望这个正则表达式也检查图片的 alt 文本。我认为只是图片文件名有问题，所以我们为什么不直接过滤它呢？类似
\b.*\.(TIF|GIF|JPG|JPEG)\b？

也许使用负向前瞻？类似这样的？

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

它也应该忽略像 CN01628B.tif 这样的内容。

我写这个的时候不在电脑前，但我希望很快测试它。

机器翻译自 English 显示原文