Errore dizionario in HW4rec?

Question

Buonasera, riguardo l'HW4 rec nel file di testo text_IT--4_4-4.txt il secondo paragrafo cita : 'avere una costituzione democratica: trasportare ciò che è messo insieme, in ordine distante'  mentre nel dizionario la traduzione di 'σύνταγμα ' è:   'ciò che è messo insieme in ordine'. Come potete vedere nel dizionario rispetto al testo manca una virgola tra 'insieme' e 'in' e per questo il test 8 mi sta dando errore. Devo essere io che devo considerare e cercare nel dizionario anche le sequenze senza punteggiatura (visto che comunque nel risultato del test deve venire con la punteggiatura) o è un semplice errore di battitura nel dizionario?

Answer 1

Salve!

Ottima osservazione. La virgola è inserita appositamente per verifcare che la soluzione riesca a trovare i match delle traduzioni indipendetemente dai simboli di interpunzione. Nel testo dell’esercizio leggiamo:

L’archeologa vuole trovare le sequenze che constino di almeno k > 0 parole in
  Greco Antico tali che (1) le parole in Greco Antico sono in un singolo
  paragrafo e (2) corrispondono a sequenze di almeno k parole in un paragrafo
  del testo in Italiano, in base ai riferimenti dei file CSV ed ignorando i
  simboli di interpunzione.

Nell’output si vuole invece la sequenza del testo originale, quindi completa dei simboli di interpunzione ma rendendo gli invii a capo dei caratteri di spaziatura. Buon lavoro!

Saluti,
CDC

Answer 2

Io personalmente controllo la traduzione italiana se è presente nel file italiano con punteggiatura rimossa. Ti consiglio di utilizzare la funzione "replace" di python per sostituire tutte le punteggiatura con dei caratteri vuoti ("") e sostituire gli accapo ("\n") con degli spazi (" ").
Puoi chiamare la funzione "replace" dentro se stessa... (Stringa.replace().replace().replace()....) per ottenere alla fine, una stringa unica tutta senza punteggiatura e senza accapi...

Comments

Potrebbe essere una soluzione ma poi visto che nel set finale la stringa italiana deve essere con la punteggiatura così facendo non potresti returnare questa stringa "pulita" dalla punteggiatura. Ovviamente gli '\n' li ho sostituiti con uno spazio e quando ne erano due di fila di '\n' dividevo il paragrafo ma il resto della punteggiatura non credo vada rimossa bensì ignorata solo nella ricerca.