如何找出全大寫字母的錯誤使用

Question

您好，

我剛在檢查大寫字母的錯誤使用。特別是，我知道翻譯者有時會不小心把「LORD」寫成 \nd Lord\nd*。但我很驚訝 Run Basic Checks…>Capitalization 沒有抓到全大寫字母的情況。

這個正則表達式可以找出任何兩個相鄰的大寫字母，但也會返回很多雜訊。例如，書名縮寫、語言代碼和圖片檔名。
regex:\w*[A-ZĆÄÏÜ]\w*[A-ZĆÄÏÜ]\w
（對於不熟悉正則表達式的人來說，[A-ZĆÄÏÜ] 表示從 A 到 Z 的任何字符，或任何特殊字符 Ć、Ä、Ï 和 Ü——僅限大寫）

我尋找過可以更改大寫規則的地方，但只能找到批准或拒絕混合大小寫單詞的地方（全大寫單詞不會出現在那裡）。

我也搜尋了 Paratext 的說明文件和這個論壇，但找不到任何相關資訊。

目前有沒有簡單的方法來找出全大寫的單詞？如果沒有，能否增加這個功能？也許這可以顯示在混合大小寫的搜尋結果中，儘管它們在技術上是全大寫。或者，也許讓它們有自己的類別會更好。

非常感謝！

機器翻譯自 English 顯示原文

Answer 1

我喜歡使用正則表達式，但它總是讓我頭暈。以下是我如何將其分解，供有興趣的人參考。我使用底線作為空格，以保持對齊。

分解用於找出未緊接在特定標記之後的全大寫單詞的正則表達式。
(?<!\\(id|h|toc|mt|fig).*)\b\p{Lu}+\b

1. 尋找單詞邊界
   __________________________\b_________
2. 尋找單詞開頭的任何大寫字母
   __________________________\b\p{Lu}___
3. 從單詞開頭開始，尋找一個或多個大寫字母
   __________________________\b\p{Lu}+__
4. 尋找任何長度且全為大寫字母的單詞
   __________________________\b\p{Lu}+\b
5. 在找到全大寫單詞後，檢查其前面是否有一個可選分組
   (?_______________________)\b\p{Lu}+\b
6. 在找到全大寫單詞後，確保其前面沒有反斜線
   (?<!\\___________________)\b\p{Lu}+\b
7. 在找到全大寫單詞後，確保其前面沒有 \id 或 \h 或 \toc 或 \mt 或 \fig
   (?<!\\(id|h|toc|mt|fig)__)\b\p{Lu}+\b
8. 在找到全大寫單詞後，確保該行更早的位置沒有 \id 或 \h 或 \toc 或 \mt 或 \fig
   (?<!\\(id|h|toc|mt|fig).*)\b\p{Lu}+\b

就個人而言，我認為我會移除 |mt，因為我也想檢查書名中的全大寫字母。

我突然想到，如果插圖插入在節的開頭或中間怎麼辦？此正則表達式將無法偵測到後續的全大寫單詞。

(\\fig(.*?)\\fig\*) 捕獲整個插圖標籤，但這最終沒有幫助。我想出了這個：
(?<!\\(id|h|toc).*)\b\p{Lu}+\b.*?(?!\\fig\*)

以下是分解：

1. 在找到全大寫單詞後，確保該行更早的位置沒有 \id 或 \h 或 \toc。
   (?<!\\(id|h|toc).*)\b\p{Lu}+\b______________
2. 在找到全大寫單詞後，確保該行更早的位置沒有 \id 或 \h 或 \toc。然後向前查看任意數量的字符。
   (?<!\\(id|h|toc).*)\b\p{Lu}+\b.*?___________
3. 在找到全大寫單詞後，確保該行更早的位置沒有 \id 或 \h 或 \toc。然後向前查看任意數量的字符，以確保該行後續位置找不到 \fig*。
   (?<!\\(id|h|toc).*)\b\p{Lu}+\b.*?(?!\\fig\*)

不知何故，這個正則表達式沒有抓到 “\mt1 GÉNESIS”。有什麼想法嗎？

機器翻譯自 English 顯示原文

Comments

\fig 不應位於節或段落內部，因為根據您的輸出軟體不同，它會以各種糟糕的方式破壞文本和格式。它需要放置在段落的結尾。當然，我們在文本特別不乾淨的時候也會執行正則表達式，但我想提及這個限制。

機器翻譯自 English 顯示原文

Answer 2

嗨 anon094061。
您可以在 Paratext 搜尋引擎中輸入以下正則表達式，以查看全大寫的單詞：regex:\b\p{Lu}+\b

其中：
“regex:” 是告訴 Paratext 這是正則表達式的指令。
“\b” 是單詞邊界
“\p{Lu}” 表示大寫字母
“+” 表示上述公式出現一次或多次。
也就是說，它將尋找一個或多個連續的大寫字母，且兩端有單詞分隔符，例如空格或逗號。

---

確實，Mixed capitalization inventory… 會考慮不尋常的組合，因此它不會在此列出全大寫的單詞。

機器翻譯自 English 顯示原文

Answer 3

這稍微複雜一點，但您也可以使用：
regex:(?<!\\(id|h|toc|mt|fig).*)\b\p{Lu}+\b

這是為了忽略我們已知會大寫的某些標記的內容，例如 “id” 或 “mt”。
您可以透過在較大的括號內添加 “|” 和標記名稱來排除其他標記。

機器翻譯自 English 顯示原文

Comments

哇，這真的太棒了！非常感謝 anon689242- 這正是我需要的。

我認為這個檢查將是 “Assignments and Progress” 的一個很好的補充。

機器翻譯自 English 顯示原文

Answer 4

啊，我剛意識到我的 \fig \fig* 解決方案會過濾掉插圖之前節中的全大寫結果。因此，需要更進階的方法。我將研究如何告訴正則表達式忽略一個分組。

機器翻譯自 English 顯示原文

Answer 5

我發現 https://regex101.com/ 在分析正則表達式時很有幫助，雖然我理解網路連線對某些人來說可能是一個問題。我不確定哪種正則表達式「風味」對應於 Paratext 所使用的。

機器翻譯自 English 顯示原文

Comments

根據我的筆記，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)

我很樂意確認這一點。

機器翻譯自 English 顯示原文

Answer 6

非常好的觀察。感謝 @Shegnada 和 @anon806807。

我剛在想，我們可能希望這個正則表達式也能檢查插圖的 alt 文本。我認為只是圖片檔名有問題，所以我們為什麼不直接過濾它呢？類似於
\b.*\.(TIF|GIF|JPG|JPEG)\b？

也許加上負向先行斷言？類似於這個？

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

它應該也要忽略像 CN01628B.tif 這樣的內容。

我寫這段話時不在電腦前，但我希望很快能測試它。

機器翻譯自 English 顯示原文