Замена букв английских букв в слове русскими

@IRIP · Регистрация: 18.04.2015

Студворк — интернет-сервис помощи студентам

Ребята, подскажите, куда копать... простейшая вроде задача...
но не могу понять, с чего начать

есть файл, текстовый, смешанный - там всё, и русские и английские слова разделенные пробелом и т.п.
задача
в русских словах, найти букву подставленную на аналогично выглядящую но английского словаря

может есть готовые решения?

Спасибо!

(файлы большие, по 50-100 мегабайт) текста

@Royal_X · 15.03.2024, 15:46

Полагаю, что с заменой латинских букв на похожие кириллические тут всем понятно, особых трудностей в этом не будет.

Но вопрос в том, как определить, какое слово русское, чтобы не проводить замены в английских словах?
По-простому, можно подразумевать под русским словом любое слово, которое состоит хотя бы из одной кириллической буквы. Но в таком случае в английских словах не должно быть кириллических букв, однако, условие ТС не дает такой гарантии.

Рыжий Лис · 15.03.2024, 15:56

Сообщение от Royal_X

Но вопрос в том, как определить, какое слово русское, чтобы не проводить замены в английских словах?

По количеству букв. Больше русских букв - значит, всё слово русское.

А вот если не найдётся буква для замены (например, слово "Тгiхiе"), то лучше слово вообще не трогать.

YuS_2 · 15.03.2024, 16:18

Сообщение от Royal_X

под русским словом любое слово, которое состоит хотя бы из одной кириллической буквы.

ДухLESS - это какое слово?

Добавлено через 46 секунд

Сообщение от Рыжий Лис

Больше русских букв - значит, всё слово русское.

Вот какое оно, слово выше?

Рыжий Лис · 15.03.2024, 16:18

Сообщение от YuS_2

Вот какое оно, слово выше?

Букву s заменить нельзя, значит, нерусское.

@Royal_X · 15.03.2024, 16:28

Сообщение от YuS_2

ДухLESS - это какое слово?

По предложенному выше правилу

Сообщение от Royal_X

По-простому, можно подразумевать под русским словом любое слово, которое состоит хотя бы из одной кириллической буквы. Но в таком случае в английских словах не должно быть кириллических букв, однако, условие ТС не дает такой гарантии.

это русское слово. Соответственно, нужно пытаться заменить латинские буквы на кириллические. Если после замен остается хотя бы одна латинская буква, то значит слово оставляем, как оно было.

Добавлено через 2 минуты

Сообщение от Рыжий Лис

По количеству букв. Больше русских букв - значит, всё слово русское.

Не нравится такой подход. А если в слове латинских букв больше, но все они без проблем меняются на кириллические?

@idealist · 15.03.2024, 16:40

Сообщение от YuS_2

ДухLESS - это какое слово?

Ну, мне кажется, как в моей программе, - просто и естественно - если в слове все английские буквы похожи на русские, то слово русское. Таким способом можно только перебдеть.

@IRIP · 22.03.2024, 10:21 **[ТС]**

да, получается логика такая...
нужно брать от пробела до пробела "слово" разной длинны ...
проверять каждую букву
и если находим аномалию, например, ЛЦП (лево/центр/право)
ЛЦП - ру/ен/ру или ру/ен/ен или ен/ен/ру
и исправлять из подзамен

Добавлено через 2 минуты
здесь важен именно алгоритм ...

преобразовывать весь массив в "слова" а потом править - не вариант
там и код встречается, и много чего еще

тут именно цель - находить вот такие "аномалии"

@idealist · 22.03.2024, 12:38

Сообщение от IRIP

и если находим аномалию, например, ЛЦП (лево/центр/право)
ЛЦП - ру/ен/ру или ру/ен/ен или ен/ен/ру
и исправлять из подзамен

Что-то непонятно... А можете на примере пояснить что это за аномалии такие?

Сообщение от IRIP

преобразовывать весь массив в "слова" а потом править - не вариант
там и код встречается, и много чего еще

Ну, если полностью автоматизировать, то нужно просто взять словарь русских слов, которые могут встретиться с английскими буквами, и сравнивать. А сколько английских букв может встречаться в русском слове в среднем? Одна-две или больше?

@Ципихович Эндрю · 22.03.2024, 12:50

эти солянки как правило с тире:
;;ID-номер; корректно
;;IT-специалист; корректно
;;QR-код; корректно
;;VIN-код; корректно
;;VIN-номер; корректно
;;COVID-госпиталь; корректно

YuS_2 · 22.03.2024, 13:53

Сообщение от IRIP

здесь важен именно алгоритм ...

Без оценки текста, его составить... проблемно, учитывая вышеизложенное...

Сообщение от IRIP

да, получается логика такая...
нужно брать от пробела до пробела "слово" разной длинны ...
проверять каждую букву
и если находим аномалию, например, ЛЦП (лево/центр/право)
ЛЦП - ру/ен/ру или ру/ен/ен или ен/ен/ру
и исправлять из подзамен

Обнаружить аномалии, это не вся проблема же... тут важна оценка принадлежности слова в целом.
Вот код получения массива слов с символами латиницы и кириллицы вперемешку, для оценки:

Python
1
2
3
4
5
6
7
8
9
10
11
import os
import regex as re
file_path = os.path.abspath(__file__)
folder_path = os.path.dirname(file_path)
file = 'file.txt'
pth = rf"{folder_path}\{file}"
with open(pth,'r',encoding='utf-8') as f:
    s = f.read()
    out = re.findall(r'(?i)(?<=^| |\p{P}|\r?\n)[-а-яё\d]*+[a-z\d]++[-а-яё\d]*+[a-z\d]*+(?= |\p{P}|$|\r?\n)',s)
    out = [x for x in out if re.search(r'(?i)[а-яё]',x)]
print(out)

- наверное, не все варианты учтены, но можно поправить... а вот как уже оценивать - тут думайте...
Чистая латиница здесь тоже попадет в массив... надо подумать, чтобы её исключить...

Добавлено через 14 минут
вот эту строчку добавить надо (уже добавил выше):

Python
1
out = [x for x in out if re.search(r'(?i)[а-яё]',x)]

- латиница отфильтруется... ну, можно ещё рефакторить код, на предмет ускорения, упрощения... если понадобится.

Новые блоги и статьи Все статьи Все блоги /
Беседа с ИИ о программистах, недопускающих к созданию и правке кода генеративные ИИ и причины этого zorxor 21.09.2026 Раньше я радовался или получал некоторые эмоции, пусть небольшие, но всё же, от самого процесса написания кода, рекомпиляции и запуска, видя постепенное развитие программы и прочее. А теперь лень. . .	Мобильное приложение ColorStep pavlinmavlin 17.09.2026 Реализовал приложение Красный, Зеленый, Синий в Unity3d + c#. Название изменил на ColorStep. Приложение прошло модерацию и теперь доступно для скачивания. Делал его сам, шаг за шагом — и вот,. . .	Запрет дублирования строк в табличной части Maks 13.09.2026 Реализация из решения ниже выполнена на нетиповом справочнике "Нормы ТО" с табличной часть "Виды ТО", разработанного в КА2, со следующими реквизитами: - ВидТО (СправочникСсылка. ВидыТО); - ВидГСМ. . .	Скрипты Tampermonkey для CyberForum, ChatGPT, Claude и пр. Jin X 06.09.2026 Скрипты Tampermonkey для CyberForum, ChatGPT, Claude и пр. Работая с форумом и нейросетями в браузере часто хочется что-то подкорректировать или добавить какого-то функционала. Ниже прикреплён. . .
Программа опроса у.з. расходомера SLS-720F Argus19 02.09.2026 Программа опроса у. з. расходомера SLS-720F Программа опрашивает один раз в минуту три ультразвуковых расходомера SLS-720F через интерфейс RS-485 по протоколу Modbus RTU. Опрашиваются регистры. . .	Hyper-V: Компьютер должен поддерживать доверенный платформенный модуль 2.0. Maks 31.08.2026 При установке Windows 11 на виртуальную машину Hyper-V 2-го поколения вылезла такая ошибка: Решение: в параметрах виртуальной машины, в разделе "Безопасность" (Security) активировать флаг. . .	Архитектура биовида Стива в Майнкрафте: Зачем бонобо кубический каннибализм anaschu 30.08.2026 Кубический Вагинокапитализм в Minecraft: Математический инвариант ОДУ и рок Стивов-бонобо Главная задача разработанной «Модели Всего» — наглядно продемонстрировать наличие системной «судьбы». . .	Оттачиваю умение писать js программы. russiannick 30.08.2026 Проектом выходного дня стало написание Книги шифров Виженера. Итогом стала версия 200, синий туман. Синий туман назван так, потому что замораживает текст под собой. Нажатие синих кнопок управляют. . .

@IRIP 514 / 146 / 28 Регистрация: 18.04.2015 Сообщений: 1,904 Записей в блоге: 16

	Замена букв английских букв в слове русскими 14.03.2024, 00:45. Показов 4443. Ответов 29 Метки нет (Все метки) Ребята, подскажите, куда копать... простейшая вроде задача... но не могу понять, с чего начать есть файл, текстовый, смешанный - там всё, и русские и английские слова разделенные пробелом и т.п. задача в русских словах, найти букву подставленную на аналогично выглядящую но английского словаря может есть готовые решения? Спасибо! (файлы большие, по 50-100 мегабайт) текста 0

@Royal_X Нарушитель 6331 / 3063 / 1054 Регистрация: 01.06.2021 Сообщений: 11,698
	15.03.2024, 15:46
	Полагаю, что с заменой латинских букв на похожие кириллические тут всем понятно, особых трудностей в этом не будет. Но вопрос в том, как определить, какое слово русское, чтобы не проводить замены в английских словах? По-простому, можно подразумевать под русским словом любое слово, которое состоит хотя бы из одной кириллической буквы. Но в таком случае в английских словах не должно быть кириллических букв, однако, условие ТС не дает такой гарантии. 0

@IRIP 514 / 146 / 28 Регистрация: 18.04.2015 Сообщений: 1,904 Записей в блоге: 16
	22.03.2024, 10:21 [ТС]
	да, получается логика такая... нужно брать от пробела до пробела "слово" разной длинны ... проверять каждую букву и если находим аномалию, например, ЛЦП (лево/центр/право) ЛЦП - ру/ен/ру или ру/ен/ен или ен/ен/ру и исправлять из подзамен Добавлено через 2 минуты здесь важен именно алгоритм ... преобразовывать весь массив в "слова" а потом править - не вариант там и код встречается, и много чего еще тут именно цель - находить вот такие "аномалии" 0

@Ципихович Эндрю 1713 / 580 / 76 Регистрация: 10.04.2009 Сообщений: 9,337
	22.03.2024, 12:50
	эти солянки как правило с тире: ;;ID-номер; корректно ;;IT-специалист; корректно ;;QR-код; корректно ;;VIN-код; корректно ;;VIN-номер; корректно ;;COVID-госпиталь; корректно 1