UIMA RUTA表

Question

我正在尝试将来自HTML Coversion的LI和TABLE重命名为

    Document{-> RETAINTYPE(MARKUP)};
    LI{->MARK(List)}; 
    Document{-> RETAINTYPE};

挺好的。但是当我对Table使用相同的脚本时，比如

   DECLARE TableContent;
   Document{-> RETAINTYPE(MARKUP)};
   TABLE{->MARK(TableContent)};
   Document{-> RETAINTYPE};

它未加标签

输入文件

<table class="IM-Core-Table TableOverride-1" id="t1" border="1">

<colgroup><col /></colgroup>
<colgroup><col /></colgroup>
<colgroup><col /></colgroup>
<colgroup><col /></colgroup><tbody>
<tr class="IM-Core-Table _idGenTableRowColumn-1">
<td valign="top" style=""><p class="MsoNormal"><aname="para201">ICD-10</a></p>
</td>
<td valign="top" style=""><p class="MsoNormal"><a name="para202">Males</a></p>
</td>
<td valign="top" style=""><p class="MsoNormal"><a name="para203">Females</a></p>
</td>
<td valign="top" style=""><p class="MsoNormal"><a name="para204">Total</a></p>
</td>
</tr>
<tr class="IM-Core-Table _idGenTableRowColumn-1">

情绪障碍(F30-F39)

      2

​

      10

​

      12

​

                Neurotic, stress-related and somatoform disorders (F40- F48)

​

      0

​

      5

​

      5

​

                Problems related to social environment (Z60)

​

      0

​

      2

​

      2

​

​

</tbody>

</table>

Answer 1

问题是html包含空格和换行符。默认情况下，HtmlAnnotator为html元素的内容创建批注。这意味着，如果在开始标记后有换行符，则创建的注释将从换行符的偏移处开始。缺省情况下，诸如空格和标记之类的换行符是不可见的，并且所有以不可见内容开头的内容也是不可见的。最简单的解决方案是使它们暂时可见，并修剪任何不需要的/不可见的跨度的开始/结束，例如空格和换行符。

下面是我用来测试的脚本：

TYPESYSTEM utils.HtmlTypeSystem;
ENGINE utils.HtmlAnnotator;
EXEC(HtmlAnnotator, {TAG});

DECLARE TableContent;
RETAINTYPE(MARKUP, WS);
TABLE{-> TRIM(WS)};
TABLE{-> TableContent};
RETAINTYPE;

当我使用HtmlAnnotator时，我通常会这样做：

RETAINTYPE(MARKUP, WS);
TAG{-> TRIM(MARKUP, WS)};
RETAINTYPE;

免责声明:我是UIMA Ruta的开发者