文本資源管理器中的區分大小寫處理學術領域的用戶問我是否可以選擇在文本資源管理器平台。
請運行以下腳本作為示例。 他想將單詞顯示為“JMP”在報告中，但 JMP 的文本資源管理器返回“跳” .
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]\" )))
);
[背景]
他的數據中幾乎所有字符都是日文的。 只有很小一部分字符是字母。 他通過其他軟件提取單詞，並創建單詞列表。 在他的標記化數據中，每個單詞都用空格分隔。 （我的意思是他用 JMP 以外的其他軟件標記他的數據。） 他希望 JMP 按原樣處理這些標記化的詞。
回复：文本資源管理器中的區分大小寫處理解析文本的第一步是在任何一種解析方法開始之前將其轉換為全小寫。 我嘗試將一個函數（例如，Title Case(string)）應用於Regex 的返回結果，但是你得到一個表達式而不是一個字符串。 （嗯？）
如果此類標記的列表很小，那麼文本資源管理器中的重新編碼規則可能是要走的路。 它們可以編寫腳本，因此可以從異常列表中構建代碼。
回复：文本資源管理器中的區分大小寫處理非常感謝您的建議。
我也試過
Title Case(\1)
和
Upper Case(\1)
對於正則表達式的結果。 如您所見，它返回“標題大小寫（jmp）”和“大寫（jmp）”。
Recode 選項似乎也以不區分大小寫的方式處理字符。 即使我在重新編碼窗口中將“jmp”更改為“JMP”，文本資源管理器也會變回小寫字符（即“jmp”）。
無論如何，我非常感謝你的建議。 我強烈認為沒有選項可以像在文本資源管理器中那樣對待字符。
一般來說，日語文本的標記化是一項非常艱鉅的任務。 因此，用戶使用其他軟件進行標記化。 用戶必須同意區分大小寫的處理是一種非常罕見的用法（尤其是對於西方語言）。
