I have a text file with spaces instead of italic formatting:
"Zaratustra į minią šitaip kreipės:
"A š a n t ž m o g į j u m s s k e l b t i n o r i u. Žmogus yra būtybė, kurią įveikti reikia. Ką esat jūs padarę, kad įveiktas jis būtų?
And it should become like this:
"Zaratustra į minią šitaip kreipės: "Aš antžmogį jums skelbti noriu. Žmogus yra būtybė, kurią įveikti reikia. Ką esat jūs padarę, kad įveiktas jis būtų?
Then there's this instead of bold text:
Ž_m_o_g_u_s___n_e_t_u_r_i___j_a_u_s_t_i___k_e_r_š_t_o: štai tiltas mano tas viltin didžiausion ir ta vaivorykštė po darganų ilgų ir vėjų.
Should be like this (I kind of have a solution for this:
Žmogus neturi jausti keršto: štai tiltas mano tas viltin didžiausion ir ta vaivorykštė po darganų ilgų ir vėjų.
I currently have this script:
import re
import argparse
parser = argparse.ArgumentParser(description="Removes shit from ripped books")
parser.add_argument("-i", "--input", help="inputfile.txt")
parser.add_argument("-o", "--output", help="outputfile.md")
args = parser.parse_args()
fileopen = open(args.input, "r")
text = fileopen.read()
# remove these bits
text = text.replace("<I>", "")
text = text.replace("</I>", "")
#Convert to Bold
triple_underscore_re = re.compile(r'_{3}')
text = re.sub(triple_underscore_re, "_ ", text)
underscore_to_bolt_re = re.compile(r'((._)+)')
text = re.sub(underscore_to_bolt_re, r'**\1**', text)
underscore_to_nil_re = re.compile(r'_')
text = re.sub(underscore_to_nil_re, "", text)
out = open(args.output, "w")
out.write(text)
Conversion to bold sort of works but always misses some characters, mostly the last character of the string.
Can someone recommend how to tackle this problem?