Traitement sensible à la casse dans Text ExplorerUn utilisateur dans le domaine universitaire me demande s'il existe une option pour sélectionner des mots en mode sensible à la casse dans le Explorateur de texte Plate-forme.
Veuillez exécuter le script ci-dessous à titre d'exemple. Il veut montrer les mots comme "JMP" dans le rapport, mais l'explorateur de texte de JMP renvoie "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]\" )))
);
[Fond]
Presque tous les caractères de ses données sont en japonais. Seule une très petite partie des caractères sont des alphabets. Il récupère des mots par d'autres logiciels, et crée des listes de mots. Dans ses données tokenisées, chaque mot est séparé par un espace. (Je veux dire qu'il tokenise ses données par un autre logiciel que JMP.) Il souhaite que JMP traite ces mots symbolisés tels qu'ils sont.
Re : traitement sensible à la casse dans l'explorateur de texteLa première étape de l'analyse du texte consiste à le convertir entièrement en minuscules, avant le début de l'une ou l'autre des méthodes d'analyse. J'ai essayé d'appliquer une fonction (par exemple, Title Case( string ) ) au résultat de retour de Regex, mais vous obtenez alors une expression au lieu d'une chaîne. (Hein?)
Si la liste de ces jetons est petite, les règles de recodage dans Text Explorer pourraient être la solution. Ils peuvent être scriptés, il peut donc être possible de construire le code à partir d'une liste d'exceptions.
Re : traitement sensible à la casse dans l'explorateur de texteMerci beaucoup pour votre conseil.
j'ai aussi essayé
Title Case(\1)
et
Upper Case(\1)
pour le résultat en regex. Il renvoie "title case(jmp)" et "upper case(jmp)" comme vous le voyez.
L'option Recode semble également traiter les caractères de manière insensible à la casse. Même si je change "jmp" en "JMP" dans la fenêtre de recodage, l'explorateur de texte revient aux caractères minuscules (c'est-à-dire "jmp").
Quoi qu'il en soit, je vous remercie beaucoup pour vos conseils. J'en viens à penser fermement qu'il n'y a pas d'option pour traiter les caractères tels qu'ils sont dans l'explorateur de texte.
En général, la tokenisation des textes japonais est une tâche très difficile. Ainsi, l'utilisateur utilise un autre logiciel pour la tokenisation. L'utilisateur doit convenir que le traitement sensible à la casse est un usage très rare (surtout pour les langues occidentales).
