如何将 Freeling 的命令行输出转换为可消费数组

Question

我为此使用 Ruby。 Freeling（一个 NLP 工具）有一个浅层解析器，当我运行浅层解析命令时，它会为文本“我刚读完这本书，蚱蜢很重”返回这样的字符串。

a = <<EOT
S_[
  sn-chunk_[
    +(I i PRP -)
  ]
  adv_[
    +(just just RB -)
  ]
  vb-chunk_[
    +(read read VB -)
  ]
  sn-chunk_[
    (the the DT -)
    +n-chunk_[
      (book book NN -)
      +n-chunk_[
        +(The_Grasshopper_Lies_Heavy the_grasshopper_lies_heavy NP -)
      ]
    ]
  ]
  st-brk_[
    +(. . Fp -)
  ]
]

EOT

我想从中获得以下数组：

["I", "just", "read", "the book The Grasshopper Lies Heavy","."]

（我想合并树下的单词并将其作为单个数组元素。）

到目前为止，我已经写了这么多：

b = a.gsub(/.*\[/,'[').gsub(/.*\+?\((\w+|.) .*/,'\1').gsub(/\n| /,"").gsub("_","")

返回

[[I][just][read][the[book[The Grasshopper Lies Heavy]]][.]]

那么，我怎样才能得到想要的数组呢？

Answer 1

从您目前的解决方案来看：

result = a.gsub(/.*\[/,'[').gsub(/.*\+?\((\w+|.) .*/,'\1').gsub(/\n| /,"").gsub("_"," ")
result.split('][').map { |s| s.gsub(/\[|\]/, ' ').strip }     # ["I", "just", "read", "the book The Grasshopper Lies Heavy", "."]

Answer 2

如果通过API从Ruby中调用FreeLing，就可以得到树，随意遍历。

如果您使用命令行程序的输出并将其作为字符串加载到 Ruby 中，则使用选项“--output conll”调用它可能更容易，这将生成更易于处理的表格格式。