בירור | ניקוי קובץ טקסט מתווים מיותרים

[מישהו12]

@מקצועי_ כאמור בהמשך

@מישהו12 כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

כי חלק מה " אני רוצה לשמור, אבל זה כאלו שאין אחריהם\לפניהם אנטר. אז האנטר בעצם מהווה סימן זיהוי

בכל מקרה, בהמשך אעלה דוגמא מהקובץ ונראה לי שזה יהיה יותר יעיל, תודה לכל המסייעים

[מקצועי_]

@מישהו12 כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

@מקצועי_ כאמור בהמשך

@מישהו12 כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

כי חלק מה " אני רוצה לשמור, אבל זה כאלו שאין אחריהם\לפניהם אנטר. אז האנטר בעצם מהווה סימן זיהוי

בכל מקרה, בהמשך אעלה דוגמא מהקובץ ונראה לי שזה יהיה יותר יעיל, תודה לכל המסייעים

לא צריך שום דוגמה, רק תרשום בדיוק איזה תווים אתה רוצה להשאיר ואתקן את הרגקס בהתאם.

[מישהו12]

מצורפת דוגמא
דוגמא.txt
@מקצועי_ מה שאני רוצה שימחק מסומן כאן

כלומר, כל התווים המיוחדים שמחוץ למשפטים. אבל אם יש פסיק, נקודה, גרשיים, בתוך המשפטים - שישמרו.

[menajemmendel]

@מישהו12 >
תעתיק הכל לוורד
ותריץ את הפקודת מאקרו הזו (אני מאמין שמתכנת דגול כמוך יסתדר עם פקודת מאקרו פשוטה)
כדי לפתוח VBA תלחץ בוורד על ALT F11

Sub Macro9()

    Selection.Find.ClearFormatting
    Selection.Find.Replacement.ClearFormatting
    Selection.Find.Replacement.font.Bold = True
    With Selection.Find
        .Text = """text"": ""*""^13"
        .Replacement.Text = ""
        .Forward = True
        .Wrap = wdFindContinue
        .Format = True
        .MatchCase = False
        .MatchWholeWord = False
        .MatchKashida = False
        .MatchDiacritics = False
        .MatchAlefHamza = False
        .MatchControl = False
        .MatchAllWordForms = False
        .MatchSoundsLike = False
        .MatchWildcards = True
    End With
    Selection.Find.Execute Replace:=wdReplaceAll
    Selection.Find.ClearFormatting
    Selection.Find.font.Bold = False
    Selection.Find.Replacement.ClearFormatting
    With Selection.Find
        .Text = ""
        .Replacement.Text = "^p"
        .Forward = True
        .Wrap = wdFindContinue
        .Format = True
        .MatchCase = False
        .MatchWholeWord = False
        .MatchKashida = False
        .MatchDiacritics = False
        .MatchAlefHamza = False
        .MatchControl = False
        .MatchWildcards = False
        .MatchSoundsLike = False
        .MatchAllWordForms = False
    End With
    Selection.Find.Execute Replace:=wdReplaceAll
    Selection.Find.ClearFormatting
    Selection.Find.Replacement.ClearFormatting
    With Selection.Find
        .Text = """text"": """
        .Replacement.Text = ""
        .Forward = True
        .Wrap = wdFindAsk
        .Format = False
        .MatchCase = False
        .MatchWholeWord = False
        .MatchKashida = False
        .MatchDiacritics = False
        .MatchAlefHamza = False
        .MatchControl = False
        .MatchWildcards = False
        .MatchSoundsLike = False
        .MatchAllWordForms = False
    End With
    Selection.Find.Execute Replace:=wdReplaceAll
    Selection.Find.ClearFormatting
    Selection.Find.Replacement.ClearFormatting
    With Selection.Find
        .Text = """^p"
        .Replacement.Text = "^p"
        .Forward = True
        .Wrap = wdFindAsk
        .Format = False
        .MatchCase = False
        .MatchWholeWord = False
        .MatchKashida = False
        .MatchDiacritics = False
        .MatchAlefHamza = False
        .MatchControl = False
        .MatchWildcards = False
        .MatchSoundsLike = False
        .MatchAllWordForms = False
    End With
    Selection.Find.Execute Replace:=wdReplaceAll
End Sub

יצא לך תוצאה כזו

ומכאן תוכחה מגולה לכל הרועים בשדות זרים, תוכנות זרות ומוזרות שלא שיערום אבותינו REGEX וכו' , ועוזבים את המסרות המסורה לנו מדור דור, להשתמש בוורד לדברים פשוטים

[מישהו12]

@menajemmendel תודה, זה עבד.
רק עם בעיה קטנה אחת.
איפה שהיה גרשיים בטקסט (בדרך כלל במילה הרמב"ם). זה מחק אותם ואת כל מה שאחריהם.
וזה מה שאמרתי, שגירשיים בתוך הטקסט אני רוצה לשמור.
הדרך להבדיל היא, שאחרי גרשיים מהסוג שאני רוצה לשמור תמיד יופיע עוד תו, ואחרי אלו שאני רוצה למחוק אותם ואת מה שאחריהם, יופיע אנטר או רווח ואחריו אנטר.

[menajemmendel]

@מישהו12
תיקנתי תנסה עכשיו

[מישהו12]

@menajemmendel כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

@מישהו12
תיקנתי תנסה עכשיו

עכשיו זה שומר את כל הגרשיים

[MGM IVR]

@מישהו12 כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

@menajemmendel כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

@מישהו12
תיקנתי תנסה עכשיו

עכשיו זה שומר את כל הגרשיים

זה עדיין עובד, יש לך עניין דווקא בדרך החלפה. או בתוצאה?
https://mitmachim.top/post/757976

[צדיק תמים]

@מישהו12 אני עדיין לא מבין את הרעיון המוזר לפרסר JSON באמצעות חיפוש והחלפה לסוגיו כאילו שזה טקסט רגיל

[מישהו12]

@צדיק-תמים יש לי עניין בתוצאה, לא מעניין אותי הדרך...

[ישראל 142]

@מישהו12 כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

@menajemmendel כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

@מישהו12
תיקנתי תנסה עכשיו

עכשיו זה שומר את כל הגרשיים

אז עכשיו אתה יכול לעשות החלפה של כל הרגשיים שיש לפניהם או אחריהם רווח -ברווח לבד, ואז כל הרגשיים שבתוך מילה ישארו

[מישהו12]

@ישראל-142 כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

כל הרגשיים שיש לפניהם או אחריהם רווח -ברווח לבד

אם הייתי יודע איך לעשות החלפה של " שיש אחריהם אנטר, הנושא מתחילתו לא היה נפתח... זו בדיוק השאלה.

[menajemmendel]

@מישהו12 כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

אם הייתי יודע איך לעשות החלפה של " שיש אחריהם אנטר, הנושא מתחילתו לא היה נפתח... זו בדיוק השאלה.

אתה יודע להשתמש בחפש והחלף?
CTRL +H
ותכתוב שם "^13

הסבר: ^13 הוא אנטר

[מישהו12]

@menajemmendel כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

^13

לא עובד

[מישהו12]

@MGM-IVR אפשר את זה כסקריפט אחד שירוץ על קובץ בשם file.txt?

[MGM IVR]

@מישהו12 כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

@MGM-IVR אפשר את זה כסקריפט אחד שירוץ על קובץ בשם file.txt?

import json

file = open('file.txt', 'r').read()
data = json.loads(file)

alltext = ""
 
for i in data:
    alltext += i["text"] + "\n"
    

open("output.txt", "w").write(alltext)

הקובץ צריך להיות במבנה json כמובן
למשל

[
    {
        "timestamp":[3249, 2455],
        "text" : "המחשבה בדבר"
    },
    {
        "timestamp":[3269, 1455],
        "text" : "המחשבה האמיתית"
    },
    {
        "timestamp":[234, 24423342555],
        "text" : "היא מחתימה את הכל "
    },
    {
        "timestamp":[3249, 2455],
        "text" : "עבור מישהו12 "
    }
]

[מישהו12]

@MGM-IVR

python script.py
Traceback (most recent call last):
  File "C:\Users\*****\Desktop\מסמכים אישיים\*******\New folder\script.py", line 3, in <module>
    file = open('file.txt', 'r').read()
           ^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  File "C:\Users\*****\AppData\Local\Programs\Python\Python311\Lib\encodings\cp1255.py", line 23, in decode
    return codecs.charmap_decode(input,self.errors,decoding_table)[0]
           ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
UnicodeDecodeError: 'charmap' codec can't decode byte 0x9e in position 59: character maps to <undefined>

[מישהו12]

ChatGPT סיפק את התשובה אחרי הרבה ניסיונות

def clean_text(input_text):
    hebrew_sentences = []

    # קרא את הקובץ ונקה את המשפטים העבריים
    with open("input_file.txt", "r", encoding="utf-8") as file:
        for line in file:
            if '"text": "' in line:
                sentence = line.split('"text": "')[1].rstrip('\n').rstrip('"')
                hebrew_sentences.append(sentence)

    # החזר כל משפט בשורה נפרדת
    cleaned_text = "\n".join(hebrew_sentences)

    return cleaned_text

# קרא את קובץ הטקסט וקרא את המשפטים
cleaned_text = clean_text("input_file.txt")
print(cleaned_text)

# אם ברצונך לשמור את הטקסט הנקי בקובץ חדש
with open("output_file.txt", "w", encoding="utf-8") as file:
    file.write(cleaned_text)

https://chat.openai.com/share/3bc11429-df51-4046-b937-a98fc225c1b7

[menajemmendel]

@מישהו12 כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

@menajemmendel כתב בבירור | ניקוי קובץ טקסט מתווים מיותרים:

^13

לא עובד

מעניין לי דוקא כן עובד, אולי כתבת מידי הרבה רווחים

[מקצועי_]

@מישהו12

תדביק פה את ה JSON ותקבל למטה פלט נקי

https://regex101.com/r/XZGqY7/1

ואם אתה רוצה בשורות נפרדות

https://regex101.com/r/XZGqY7/2