Magic!
tmp %>%
as_tibble() %>%
rename(Text = value) %>%
mutate(Text = str_replace_all(Text, fixed("."), "")) %>%
# filter(row_number() < 4) %>%
mutate(Text2 = gsub("((\\\\|/)[[:alnum:]]+)|(\\([[:alnum:]-]+\\))",
"", Text))
Which (as you have already shown!) gave me this:
# A tibble: 7 × 2
Text Text2
<chr> <chr>
1 "Я досяг того, чого хотів" "Я досяг того, чого
хотів"
2 "Мені вдалося зробити бажане" "Мені вдалося зробити
бажане"
3 "Я досяг (досягла) того, чого хотів (хотіла)" "Я досяг того, чого
хотів "
4 "Я досяг(-ла) речей, яких хотілося досягти" "Я досяг речей, яких
хотілося досягти"
5 "Я досяг/ла того, чого хотів/ла" "Я досяг того, чого
хотів"
6 "Я досяг\\досягла того, чого прагнув\\прагнула" "Я досяг того, чого
прагнув"
7 "Я досягнув(ла) того, чого хотів(ла)" "Я досягнув того, чого
хотів"
perfect and I will spend some time tomorrow unpacking that regex and
trying to drive the learning points into my thick skull!
Deeply indebted, as so often here though generally only when I'm reading
others questions and the answers!
Chris
On 27/06/2023 20:48, Bert Gunter wrote:
OK, so you want parentheses, not "brackets" + I think I misinterpreted
your specification, which I think is actually incomplete. Based on
what I think you meant, how does this work:
gsub("((\\\\|/)[[:alnum:]]+)|(\\([[:alnum:]-]+\\))", "",tmp$Text)
[1] "Я досяг того, чого хотів" "Мені вдалося\nзробити
бажане"
[3] "Я досяг того, чого хотів " "Я\nдосяг речей, яких
хотілося досягти"
[5] "Я досяг того, чого\nхотів" "Я досяг того, чого прагнув"
[7] "Я\nдосягнув того, чого хотів"
If you want it without the \n's, cat the above to get:
cat(gsub("((\\\\|/)[[:alnum:]]+)|(\\([[:alnum:]-]+\\))", "",tmp$Text))
Я досяг того, чого хотів Мені вдалося
зробити бажане Я досяг того, чого хотів Я
досяг речей, яких хотілося досягти Я досяг того, чого
хотів Я досяг того, чого прагнув Я
досягнув того, чого хотів
Cheers,
Bert
On Tue, Jun 27, 2023 at 11:09 AM Bert Gunter <bgunter.4...@gmail.com>
wrote:
Does this do it for you (or get you closer):
gsub("\\[.*\\]|[\\\\] |/ ","",tmp$Text)
[1] "Я досяг того, чого хотів"
[2] "Мені вдалося\nзробити бажане"
[3] "Я досяг (досягла) того, чого хотів (хотіла)"
[4] "Я\nдосяг(-ла) речей, яких хотілося досягти"
[5] "Я досяг/ла того, чого\nхотів/ла"
[6] "Я досяг\\досягла того, чого прагнув\\прагнула"
[7] "Я\nдосягнув(ла) того, чого хотів(ла)"
On Tue, Jun 27, 2023 at 10:16 AM Chris Evans via R-help
<r-help@r-project.org> wrote:
I am sure this is easy for people who are good at regexps but I'm
failing with it. The situation is that I have hundreds of
lines of
Ukrainian translations of some English. They contain things
like this:
1"Я досяг того, чого хотів"2"Мені вдалося зробити бажане"3"Я
досяг
(досягла) того, чого хотів (хотіла)"4"Я досяг(-ла) речей, яких
хотілося
досягти"5"Я досяг/ла того, чого хотів/ла"6"Я досяг\\досягла
того, чого
прагнув\\прагнула."7"Я досягнув(ла) того, чого хотів(ла)"
Using dput():
tmp <- structure(list(Text = c("Я досяг того, чого хотів",
"Мені вдалося
зробити бажане", "Я досяг (досягла) того, чого хотів
(хотіла)", "Я
досяг(-ла) речей, яких хотілося досягти", "Я досяг/ла того, чого
хотів/ла", "Я досяг\\досягла того, чого прагнув\\прагнула", "Я
досягнув(ла) того, чого хотів(ла)" )), row.names = c(NA, -7L),
class =
c("tbl_df", "tbl", "data.frame" )) Those show four different ways
translators have handled gendered words: 1) Ignore them and (I'm
guessing) only give the masculine 2) Give the feminine form of
the word
(or just the feminine suffix) in brackets 3) Give the feminine
form/suffix prefixed by a forward slash 4) Give the feminine
form/suffix
prefixed by backslash (here a double backslash) I would like
just to
drop all these feminine gendered options. (Don't worry,
they'll get back
in later.) So I would like to replace 1) anything between
brackets with
nothing! 2) anything between a forward slash and the next
space with
nothing 3) anything between a backslash and the next space
with nothing
but preserving the rest of the text. I have been trying to
achieve this
using str_replace_all() but I am failing utterly. Here's a
silly little
example of my failures. This was just trying to get the text I
wanted to
replace (as I was trying to simplify the issues for my tired
wetware): >
tmp %>%+ as_tibble() %>% + rename(Text = value) %>% +
mutate(Text =
str_replace_all(Text, fixed("."), "")) %>% +
filter(row_number() < 4)
%>% + mutate(Text2 = str_replace(Text, "\\(.*\\)", "\\1"))
Errorin
`mutate()`:ℹIn argument: `Text2 = str_replace(Text, "\\(.*\\)",
"\\1")`.Caused by error in
`stri_replace_first_regex()`:!Trying to
access the index that is out of bounds.
(U_INDEX_OUTOFBOUNDS_ERROR) Run
`rlang::last_trace()` to see where the error occurred. I have
tried
gurgling around the internet but am striking out so throwing
myself on
the list. Apologies if this is trivial but I'd hate to have to
clean
these hundreds of lines by hand though it's starting to look
as if I'd
achieve that faster by hand than I will by banging my
ignorance of R
regexp syntax on the problem. TIA, Chris
--
Chris Evans (he/him)
Visiting Professor, UDLA, Quito, Ecuador & Honorary Professor,
University of Roehampton, London, UK.
Work web site: https://www.psyctc.org/psyctc/
CORE site: http://www.coresystemtrust.org.uk/
Personal site: https://www.psyctc.org/pelerinage2016/
______________________________________________
R-help@r-project.org mailing list -- To UNSUBSCRIBE and more, see
https://stat.ethz.ch/mailman/listinfo/r-help
PLEASE do read the posting guide
http://www.R-project.org/posting-guide.html
<http://www.R-project.org/posting-guide.html>
and provide commented, minimal, self-contained, reproducible code.
--
Chris Evans (he/him)
Visiting Professor, UDLA, Quito, Ecuador & Honorary Professor,
University of Roehampton, London, UK.
Work web site: https://www.psyctc.org/psyctc/
CORE site: http://www.coresystemtrust.org.uk/
Personal site: https://www.psyctc.org/pelerinage2016/
Emeetings (Thursdays):
https://www.psyctc.org/psyctc/booking-meetings-with-me/
(Beware: French time, generally an hour ahead of UK)
<https://ombook.psyctc.org/book>
______________________________________________
R-help@r-project.org mailing list -- To UNSUBSCRIBE and more, see
https://stat.ethz.ch/mailman/listinfo/r-help
PLEASE do read the posting guide http://www.R-project.org/posting-guide.html
and provide commented, minimal, self-contained, reproducible code.
