Идеи для преобразования прямых кавычек в фигурные кавычки

угадайте, какой символ фигурной кавычки использовать, если это возможно

Это не так, в общем случае.

Простой алгоритм, который используют большинство автоматических конвертеров, заключается в том, чтобы просто посмотреть на предыдущую букву, которую вы набрали перед ' или ". Если это пробел, начало строки, открывающая скобка или другая открывающая кавычка, выберите открывающую кавычку, иначе закрывающую. Преимущество этот метод заключается в том, что он может работать по мере того, как вы печатаете, поэтому, когда он выбирает неправильный, вы обычно можете его исправить.

мы хотим оставить апострофы в покое

Я согласен! Но не так много людей. Обычная практика набора текста — превращать апостроф в одинарную кавычку, обращенную влево. Лично я предпочитаю оставить их такими, какие они есть, чтобы отличать их от заключенных в них кавычек, облегчая (как мне кажется) чтение текста и позволяя обрабатывать его автоматически.

Однако на самом деле это только мой вкус, и обычно это не считается оправданным только потому, что символ определяется стандартом Unicode как АПОСТРОФ.

возможно апострофы стоят в начале слов

Конечно. Невозможно отличить апостроф от потенциальной открытой цитаты в таких случаях, как классический Fish 'n' Chips, за исключением огромного количества культурного контекста.

(Не говоря уже о простых числах, окинах, гортанных смычках и различных других вариантах использования апострофа...)

Конечно, лучше всего установить раскладку клавиатуры, которая может напрямую печатать умные кавычки. У меня есть ‘’ на AltGr+[], «» на AltGr+Shift+[], --— на AltGr+[Shift]+тире и так далее.

Хорошим местом для начала будет конечный автомат:

• Начиная с позиции 0, перебирать символы
• Найдя котировку, войти в состояние «Цитата» (открытая котировка)
• Если в состоянии «Цитата» вы столкнулись с цитатой, вернитесь в состояние «Начало» (закрывающая цитата).

Вы можете принимать дополнительные решения при каждом переходе состояния.

Вы можете попытаться нормализовать одинарные кавычки, например, определив известные союзы и преобразовав их в другой, не текстовый, символ перед обработкой.

My $0.02

Похоже, ваш первоначальный пост охватывает большинство идей, которые я собирался написать здесь, это то, что у меня осталось...

Что касается примера с апострофом («Мне нравится« Это шоу 70-х »», - сказала она), маловероятно, что кавычки будут вложены непосредственно в кавычки того же типа. Вы могли бы воспользоваться этим.

На мой взгляд, лучший способ сделать это - заставить код обрабатывать только однозначные случаи (двойные кавычки довольно просты). Для тех, у кого есть несколько возможных вариантов, сохраните их положение в списке и просмотрите его, когда он будет готов. Там вы можете найти еще несколько легко закодированных случаев или просто решить исправить их вручную.

1. Главное — всегда пытаться найти совпадающие пары. Учитывая, что у каждой цитаты есть совпадающая цитата, вы можете заставить свою программу запрашивать вашу помощь только в том случае, если она не уверена, какая цитата является совпадающей.

2. Открывающие кавычки всегда стоят в начале строки или имеют пробел перед ними. Закрывающие кавычки всегда ставятся после пробелом. Если вы найдете двоеточие со следующей цитатой, возможно, это закрывающая цитата.

3. Если буква, следующая за цитатой, написана в верхнем регистре, возможно, это открывающая цитата.

4. Если перед цитатой стоит знак препинания, это, вероятно, закрывающая цитата.

5. Попробуйте сделать это итеративно. Программа должна сначала запросить у вас все кавычки, которые она определенно может назначить функции. (Просто чтобы убедиться, что он не сделал никаких ошибок.)

6. Во втором раунде что-то вроде всех кавычек, что непонятно, являются ли они открывающими кавычками или апострофами. Для всех открывающих котировок он должен автоматически найти закрывающую котировку.

Другой, может быть, менее сложной идеей может быть:

1. Найдите все не кавычки, спросив пользователя о каждом из них, который потенциально может быть кавычкой или не кавычкой.

2. Все остальные цитаты должны быть довольно легко конвертированы. Открывающие кавычки имеют пробелы или новую строку перед ними и закрываются после них.

Одна последняя мысль:

Вы должны разбить процесс на части, как обработка только по абзацам. Если ваша программа делает ошибку, что, вероятно, связано со сложностью языка, вам будет легче ее исправить, и программа сможет начать заново с нового абзаца.

Ненавижу это говорить, но лучше всего будет изучить, что делает Word, и скопировать его. Даже если в некоторых случаях это неправильно, это стандарт, к которому привыкли многие люди. Одно поведение, которое следует подражать, — отменить (Ctrl-Z) немедленное возвращение к прямой кавычке после того, как вы заменили изогнутую.

Вот регулярное выражение, которое может помочь при двойных кавычках:

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

Он будет перезапускаться в каждом абзаце и определять пары кавычек (а также позволит вам проверить правильность интервалов до и после кавычек, если это полезно).

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                     

Я думаю, было бы разумно распространить это на другие ваши случаи (у меня просто еще не было необходимости).

Это синтаксис javascript. Это довольно быстро, но я не сделал больше оптимизации, чем мой «достаточно хорошо». Он сделает, скажем, 400-страничную книгу примерно за секунду. Я думаю, что было бы трудно сопоставить его скорость процедурно.

Кто-нибудь занимается компьютерной лингвистикой?

Кто-то упомянул, что если у вас есть обширный культурный контекст, это может быть осуществимо. Таким образом, излишним, но наиболее точным автоматическим решением проблемы является поверхностный синтаксический анализ. Для этого требуется корпус любого языка и режима, с которым вы имеете дело (например, корпус Брауна для общий английский).

Разработайте классификатор фигурных кавычек на основе синтаксического контекста фигурных кавычек, встречающихся в корпусе. Наконец, передайте классификатору произвольный синтаксический контекст с прямой кавычкой, и вы получите наиболее вероятный символ кавычки!

[«Мне нравится« Это шоу 70-х »», - сказала она]

Первоначально я думал, что может помочь использование нескольких проходов по тексту для понимания контекста, но это не решит все случаи.

Лучшее, что вы можете сделать, это запустить список возможных наборов слов / выражений, таких как «twas», «tis», «70-е» и т. Д., И добавить их в словарь с автокоррекцией для них, чтобы преобразовать прямые в завитки и наоборот. В любом случае проверка орфографии выполняется для каждого слова, не так ли? (извините, это не помогает вашей проблеме с emacs)

OO игнорирует одинарную кавычку, изгибающуюся все вместе, насколько я могу судить.

В Википедии есть немного информации об этих надоедливых вещах.

Попробуйте Shift + Ctrl + " (клавиша двойной кавычки), у меня это сработало в Windows 10 с помощью программы под названием Kalipso.