Merge branch 'master' into genderequality-alternative

R/parse.R

@@ -153,10 +153,10 @@ parse_speech <- function(speech_xml, date) {
             }
         } else if (xml_name(node) == "kommentar") {
             # comments are of the form
-            # <kommentar>(blabla [Fraktion] – blabla liasdf – bla)</kommentar>
+            # <kommentar>(blabla [Fraktion] \u2013 blabla liasdf \u2013 bla)</kommentar>
             xml_text(node) %>%
                 str_sub(2, -2) %>%
-                str_split("–") %>%
+                str_split("\u2013") %>%
                 `[[`(1) %>%
                 lapply(parse_comment, speech_id = speech_id, on_speaker = cur_speaker) ->
                 cs

R/repair.R

@@ -64,7 +64,7 @@ repair_talks <- function(talks) {
 #' 
 #' returns a lookup table
 lookup_speaker <- function(tb, speaker, name_variable) {
-    tobereplaced <- "[-–—‑­­-­­­ ]"
+    tobereplaced <- "[\u002D\u2013\u2014\u2011\u00AD ]"
     speaker %>%
         unite(name, prename, lastname, sep=".*") %>%
         mutate(name = str_replace_all(name, tobereplaced, ".*")) ->

inst/reports/abschlussbericht.tex

@@ -0,0 +1,16 @@
+\documentclass{article}
+\usepackage[top=2.5cm, bottom=2.5cm]{geometry}
+
+\begin{document}
+    \section*{Projektbeschreibung}
+    Wir haben zunächst die Plenarprotokolle der 19. Wahlperiode von der Website automatisiert herunterladen lassen.
+    Als nächstes haben wir die Daten in ein für die Analyse sinnvolles Format gebracht, d.h. 5 Tibbles  und Fehler ausgebessert.
+    Daraufhin konnten wir mit der Analyse beginnen.
+    Insbesondere 
+    \section*{Werkzeuge aus der Vorlesung}
+    Wir haben, da es hauptsächlich um Datenanalyse ging, sehr viel mit tidyverse gearbeitet.
+    Ganz zu Beginn haben wir fürs fetchen der Protokolle rvest verwendet.
+    Für die Visualisierung haben wir ggplot2 sowie vignettes genutzt.
+    \section*{Organisation des Teams}
+    \section*{Meine Beteiligung}
+\end{document}