将直引号转换为弯引号的想法

如果可能,猜猜要使用哪一个花引号字符

一般情况下,情况并非如此。

大多数自动转换器使用的简单算法只是查看在“或”之前键入的前一个字母。如果是空格、行首、左括号或其他左引号,请选择左引号,否则选择右引号。这个方法的优点是它可以按您的类型运行,所以当它选择了错误的方法时,您通常可以纠正它。

我们只想撇开撇号

我同意!但很少有人这样做。将撇号转换为左引号是正常的排字习惯。就我个人而言,我更喜欢保持原样,将它们与随附的引号区分开来,使文本更容易阅读(我找到),并且可以自动处理。

然而,这真的只是我的口味,一般认为这是不合理的,仅仅是因为该字符是由Unicode标准定义为单引号。

可能是单词开头有撇号

的确。在经典的鱼片“n”这样缺少大量文化背景的案例中,无法从潜在的公开引用中辨别撇号。

(更不用说素数、冲绳、发音停止和撇号的各种其他用法…)

当然,最好的办法是安装一个键盘布局,可以直接输入智能引号。我在altgr+[]上有___,在altgr+shift+[]上有___,在altgr+[shift]+破折号上有___,等等。

最好从状态机开始:

• 从位置0开始,循环访问字符
• 找到报价后,输入“报价”状态(未清报价)
• 如果处于“报价”状态,并且遇到报价,则返回“开始”状态(结束报价)

您可以在每个状态转换时做出其他决定。

例如,您可以尝试通过识别已知的连词来规范化单引号,并在处理之前将它们转换为不同的(而不是文本)字符。

我的0.02美元

看起来你最初的帖子涵盖了我在这里写的大部分想法,这就是我剩下的……

对于撇号示例(“我喜欢‘70年代的节目’”,她说),引号不太可能直接嵌套在同一类型的引号中。你可以利用这个机会。

在我看来,最好的方法是让代码只处理明确的情况(双引号非常简单)。对于有多个可能选择的人,将他们的位置存储在一个列表中,并在完成后检查它。您可能会在其中找到一些更容易编码的案例,或者您可能只是决定手动修复它们。

1. 最基本的事情是总是试图找到匹配的对。考虑到每个报价都有一个匹配的报价,您可以让您的程序只在不确定哪个是匹配的报价时请求您的帮助。

2. 开首引号总是在行首或有空格 在前面 他们当中。右引号总是空格 之后 他们。如果您找到一个冒号,它可能是一个右引号。

3. 如果报价后面的字母是大写,则可能是开场价。

4. 如果在引文前面有标点符号,可能是右引号。

5. 试着反复做。程序应该首先询问您它可以明确分配给函数的所有引号。(只是为了确保它没有出错。)

6. 在第二轮中,类似于所有的引号,它们不确定是打开引号还是撇号。对于所有的开盘价,它必须自动查找开盘价。

另一个可能不那么复杂的想法可能是:

1. 查找全部 非引文 通过向用户询问可能是报价或非报价的每个报价。

2. 剩下的所有报价都应该很容易转换。开首引号前面有空格或换行符,后面有结束符。

最后一个想法:

你应该像只处理段落那样把过程分开。如果你的程序出错了,这可能会给语言带来复杂性,你更容易纠正它,程序可以从新的段落开始。

我不想这么说,但最好的做法可能是研究单词的作用,然后复制它。即使在某些情况下这是错误的,它也代表了许多人已经习惯的标准。要模拟的一个行为是让撤消(ctrl-z)在替换弯引号后立即还原为直引号。

下面是一个可能有助于双引号的正则表达式:

/([^\s\(]?)"(\s*)([^\\]*?(\\.[^\\]*)*)(\s*)("|\n\n)([^\s\)\.\,;]?)/gms

它将在每一段重新开始,并且它将识别成对的引号(并且还允许您检查引号前后的间距是否正确,如果这有用的话)。

Numbered element    identification  
  1               non-white-space before quote quote  
  2               white-space after leading quote  
  5               white-space before trailing quote  
  6               trailing quote (or double-newline, i.e. start of a paragraph  
  7               character after trailing quote if not whitespace or right   paren                     

我认为把这个期限延长到你的其他案件上是合理的(我还没有必要这样做)。

这是JavaScript语法。它相当快,但我没有做过比我的“足够好”更多的优化。它可以在大约一秒钟内完成一本400页的书。我认为程序上很难达到它的速度。

Computational linguistics 有人吗?

有人提到,如果你有大量的文化背景,这可能是可行的。所以对这个问题的过度杀伤力但最准确的自动化解决方案是 shallow parsing . 这需要一个语料库,不管你使用什么语言和模式(例如 the Brown corpus 一般英语)。

根据语料库中出现的花引号的句法上下文,开发花引号的分类器。最后,给分类器一个带有直引号的任意语法上下文,弹出最可能的引号字符!

她说:“我喜欢‘70年代的演出’。”

我最初认为,也许通过对文本进行多次传递来获得上下文洞察力可能会有所帮助,但这并不能解决所有的实例。

你能做的最好的事情就是列出一系列可能的词组/表达式,比如“twas”、“tis”、“70”等,然后将它们放入字典中,并对它们进行自动更正,以将笔直转换为卷曲,反之亦然。不管怎样,每个单词都会进行拼写检查,对吗?(抱歉,这对您的Emacs问题没有帮助)

从我所能看出的情况来看,oo忽略了所有弯曲的单引号。

Wikipedia 有一些关于这些烦人的事情的信息。

尝试shift+ctrl+“(双引号键),这对我在Windows10上很有用,使用一个名为kalispo的程序。