Izdvajanje originalnih stringova iz KDE-a

[Andrej Dundović]

Cilj je izvući sve originalne (engleske) stringove iz svih KDE-ovih POT datoteka.

Stringovi u POT datotekama uvijek počinju s "msgid" ili "msgid_plural" (za plural) koje treba poslije ukloniti.

Treba ukloniti i sve prazne linije, HTML tagove te akceleratore.

 # 1. vadi sve originalne stringove iz pot datoteka 
 # 2. uklanja "msgid" iz linija 
 # 3. uklanja sve " na kraju reda 
 # 4. uklanja sve "HTML" tagove (*neki rijeci koje treba prevesti nalaze se unutar HTML taga) 
 # 5. uklanja sve prazne redove 
 # 6. uklanja akceleratore 
 # 7. sprema u datoteku 
 grep -shR msgid summit/messages/*[^svn]*/*[^svn]*.pot | \
 sed \
 -e 's/^msgid.* "//' \
 -e 's/<[^>]*>//g' \
 -e 's/\"$//' \
 -e '/^$/d' \
 -e 's/\&\([a-zA-Z]\)/\1/g' \
 > ../../skripte/kde_all_apps_pot.txt

[Andrej Dundović]

Slična je stvar s dokumentacijom (samo je putanja promijenjena):

 grep -shR msgid summit/docmessages/*[^svn]*/*[^svn]*.pot | \
 sed \
 -e 's/^msgid.* "//' \
 -e 's/<[^>]*>//g' \
 -e 's/\"$//' \
 -e '/^$/d' \
 -e 's/\&\([a-zA-Z]\)/\1/g' \
 > ../../skripte/kde_all_docs_pot.txt 

[Andrej Dundović]

I zadnji bitan sed izraz je onaj koji stavlja svaku rečenicu u zaseban red:

sed 's/\([\.!?]\) \([A-Z0-9]\)/\1\n\2/g' kde_all_apps_pot.txt > kde_all_apps_sep

To bi bilo to - valjda :-)

[Andrej Dundović]

Mislim da je ovaj zadatak više-manje gotov.
Konačne datoteke KDE-ova korpusa nalaze se ovdje.

Moguće su modifikacije (npr. da se rečenice rastavljaju i na zarezima), ali to se lako promijeni:
sed 's/\([\.!?,;]\) \([A-Z0-9]\)/\1\n\2/g'