如何將 Freeling 的命令行輸出轉換為可消費數組

Question

我為此使用 Ruby。 Freeling（一個 NLP 工具）有一個淺層解析器，當我運行淺層解析命令時，它會為文本“我剛讀完這本書，蚱蜢很重”返回這樣的字符串。

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

我想從中獲得以下數組：

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

（我想合並樹下的單詞並將其作為單個數組元素。）

到目前為止，我已經寫了這么多：

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

返回

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

那么，我怎樣才能得到想要的數組呢？

Answer 1

從您目前的解決方案來看：

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

如果通過API從Ruby中調用FreeLing，就可以得到樹，隨意遍歷。

如果您使用命令行程序的輸出並將其作為字符串加載到 Ruby 中，則使用選項“--output conll”調用它可能更容易，這將生成更易於處理的表格格式。