Verarbeitung von Groß- und Kleinschreibung im Text-ExplorerEin Benutzer aus dem akademischen Bereich fragt mich, ob es eine Option gibt, Wörter mit Groß- und Kleinschreibung im Modus aufzunehmen Text-Explorer Plattform.
Bitte führen Sie das folgende Skript als Beispiel aus. Er will Worte als zeigen "JMP" im Bericht, aber der Text-Explorer von JMP kehrt zurück "jmp" .
dt = New Table("Test", New Column("Y", Character, Values({"JMP JMP JMP JMP JMP JMP"})));
dt << Text Explorer(
Text Columns( :Y ),
Set Regex( Custom( Title( "Test" ), Regex( "\[(.+?(\s|\Z))]\" ), Result( "\[\1]\" )))
);
[Hintergrund]
Fast alle Zeichen in seinen Daten sind auf Japanisch. Nur ein sehr kleiner Teil der Zeichen sind Alphabete. Er greift Wörter von anderer Software auf und erstellt Wortlisten. In seinen tokenisierten Daten wird jedes Wort durch ein Leerzeichen getrennt. (Ich meine, dass er seine Daten mit anderer Software als JMP tokenisiert.) Er möchte, dass JMP diese tokenisierten Wörter so behandelt, wie sie sind.
Betreff: Groß- und Kleinschreibung im Text-ExplorerDer erste Schritt beim Analysieren des Textes besteht darin, ihn vollständig in Kleinbuchstaben umzuwandeln, bevor eine der Parsing-Methoden beginnt. Ich habe versucht, eine Funktion (z. B. Title Case( string ) ) auf das Rückgabeergebnis von Regex anzuwenden, aber dann erhalten Sie einen Ausdruck anstelle einer Zeichenfolge. (Hä?)
Wenn die Liste solcher Token klein ist, sind Recode-Regeln im Text-Explorer möglicherweise der richtige Weg. Sie können per Skript erstellt werden, sodass es möglich ist, den Code aus einer Liste von Ausnahmen zu erstellen.
Betreff: Groß- und Kleinschreibung im Text-ExplorerVielen Dank für Ihren Rat.
Ich habe auch versucht
Title Case(\1)
und
Upper Case(\1)
für das Ergebnis in Regex. Es gibt "title case(jmp)" und "upper case(jmp)" zurück, wie Sie sehen.
Die Option Recode scheint auch Zeichen ohne Berücksichtigung der Groß-/Kleinschreibung zu behandeln. Auch wenn ich im Recode-Fenster "jmp" in "JMP" ändere, ändert sich der Text-Explorer wieder in Kleinbuchstaben (dh "jmp").
Ich danke dir jedenfalls sehr für deinen Rat. Ich bin der festen Überzeugung, dass es keine Option gibt, Zeichen so zu behandeln, wie sie im Text-Explorer sind.
Im Allgemeinen ist die Tokenisierung japanischer Texte eine sehr schwierige Aufgabe. Der Benutzer verwendet also andere Software für die Tokenisierung. Der Benutzer muss zustimmen, dass die Groß-/Kleinschreibung eine sehr seltene Verwendung ist (insbesondere für westliche Sprachen).
