用 ruby​​ 替换所有非大写单词

Question

我想用“-”替换文本中所有非大写的单词。单词的长度。

例如，我有以下文本（德语）：

Florian Homm 饰演 Sohn des mittelständischen Handwerksunternehmers Joachim Homm 和 seiner Frau Maria-Barbara “Uschi” Homm im hessischen Bad Homburg vor der Höhe auf。 Sein Großonkel mütterlicherseits war der Unternehmer Josef Neckermann。 Nach einem Studium an der Harvard, das er mit einem Master of Business Administration and der Harvard Business School abschloss, 在美国-amerikanischen Finanzwirtschaft bei der Investmentbank Merrill Lynch 开始 Homm seine Tätigkeit, danach war er bei dem US-Fondsanbieter Fidelity Investments, der Schweizer Privatbank Julius Bär und dem US-Vermögensverwalter Tweedy Browne....

应该变成

Florian Homm ---- --- Sohn --- ------------ Handwerksunternehmers Joachim Homm --- ------ Frau Maria-Barbara “Uschi” Homm -- ---------- 巴特洪堡 --- Höhe ---。 ....

Answer 1

解决方案

这个问题比看起来更难！

这段代码可能比其他代码更需要内存，但我敢说它适用于更广泛的（奇怪的）德语单词：

def hide_non_capitalized(text)
  text.split(/[[:space:]]/).map do |chars|
    first_letter = chars[/[[:alpha:]]/]
    if first_letter && first_letter == first_letter.downcase
      ## Keep non-letters :
      chars.gsub(/[[:alpha:]]/,'-')
      ## Replace every character :
      # '-' * chars.size
    else
      chars
    end
  end.join(' ')
end

它将文本分割成字符块，如果第一个字母是小写，则替换块中的所有字母。此代码需要 Ruby 2.4，因为在 Ruby 2.3 之前，'ä'.upcase 仍然是 'ä'。

测试

puts hide_non_capitalized(text)
#=> Florian Homm ----- --- Sohn --- ----------------- Handwerksunternehmers Joachim Homm --- ------ Frau Maria-Barbara „Uschi“ Homm -- ---------- Bad Homburg --- --- Höhe ---. Sein Großonkel ----------------- --- --- Unternehmer Josef Neckermann. Nach ----- Studium -- --- Harvard University, --- -- --- ----- Master -- Business Administration -- --- Harvard Business School ---------, ------ Homm ----- Tätigkeit -- --- US-amerikanischen Finanzwirtschaft --- --- Investmentbank Merrill Lynch, ------ --- -- --- --- US-Fondsanbieter Fidelity Investments, --- Schweizer Privatbank Julius Bär --- --- US-Vermögensverwalter Tweedy Browne....

hide_none = "Änderung. „Uschi“, Attaché-case Maria-Barbara US-Fondsanbieter. Die Richter/-innen. Jede(r) 1234 \"#+?\""
puts hide_non_capitalized(hide_none)
#=> Änderung. „Uschi“, Attaché-case Maria-Barbara US-Fondsanbieter. Die Richter/-innen. Jede(r) 1234 "#+?"


hide_all = "öfters. „word“ lowercase-Uppercase jede(r) not/exactly/a/word"
puts hide_non_capitalized(hide_all)
#=> ------. „----“ ------------------- ----(-) ---/-------/-/----

Answer 2

▶ input.gsub(/\p{L}+/) { |m| m[0] != m[0].upcase ? '-'*m.length : m }
#⇒ "Florian Homm ----- --- Sohn --- ------------------ Handwerksunternehmers..."

更干净的解决方案（感谢 Cary）：

▶ input.gsub(/(?<!\p{L})\p{Lower}+(?!\p{L})/) { |m| '-' * m.length }

Answer 3

r = /
    (?<![[:alpha:]]) # do not match a letter (negative lookbehind)      
    [[:lower:]]      # match a lowercase letter
    [[:alpha:]]*     # match zero or more letters
    /x               # free-spacing regex definition mode

str = "Frau Maria-Barbara „Uschi“ Homm im hessischen Bad Homburg vor der Höhe auf."

str.gsub(r) { |m| '-'*m.size }
  #=> "Frau Maria-Barbara „Uschi“ Homm -- ---------- Bad Homburg --- --- Höhe ---."
"die Richter/-innen".gsub(r) { |m| '-'*m.size }
  #=> "--- Richter/------" 
"Jede(r) Anwältin und Anwalt".gsub(r) { |m| '-'*m.size }
  #=> "Jede(-) Anwältin --- Anwalt" 

Answer 4

对于较小的输入大小，您可以尝试这样的操作：

基本上，我：

1. 在空格字符上分割输入字符串
2. 将数组映射到单词本身（如果不大写）或用破折号替换的单词（如果大写）
3. 加入空格。

像这样

s = "Florian Homm wuchs als Sohn des mittelständischen Handwerksunternehmers Joachim Homm und seiner Frau Maria-Barbara „Uschi“ Homm im hessischen Bad Homburg vor der Höhe auf. Sein Großonkel mütterlicherseits war der Unternehmer Josef Neckermann. Nach einem Studium an der Harvard University, das er mit einem Master of Business Administration an der Harvard Business School abschloss, begann Homm seine Tätigkeit in der US-amerikanischen Finanzwirtschaft bei der Investmentbank Merrill Lynch, danach war er bei dem US-Fondsanbieter Fidelity Investments, der Schweizer Privatbank Julius Bär und dem US-Vermögensverwalter Tweedy Browne...."

s.split(/[[:space:]]/).map { |word| word.capitalize == word ? word : '-' * word.length }.join(' ')

这适用于您的问题吗？

干杯！

编辑：对于内存效率更高的解决方案，您可以使用正则表达式替换 gsub，查看 mudasobwa https://stackoverflow.com/a/41570686/4411941 的其他答案

Answer 5

试试这样的

s.split.map { |word| ('A'..'Z').include?(word[0]) ? word : '-' * word.length }.join(' ')